免训练方法GRAFT修复连续扩散语言模型长尾词采样
热点事件持续更新
免训练方法GRAFT修复连续扩散语言模型长尾词采样
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月22日，arXiv人工智能板块报道，Haoning Yang、Lili Pan提出免训练方法GRAFT，用于解决连续扩散语言模型的稀有词采样缺失问题。报道称，连续扩散语言模型ELF的词汇分布存在长尾塌缩：常见词频率与人类文本几乎一致，但最稀有词频率仅为人均的0.30x，且从105M到652M参数规模都未收窄。研究将原因归结为模型每一步对候选做平均而非采样，并提出GRAFT在模型尚未定稿时锁定原本会被平均丢弃的稀有词，再从头重新生成序列。该报道为目前唯一主报道，尚无跟进报道，方法效果与适用范围有待后续验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月22日 12:00
GRAFT：为连续扩散语言模型补回缺失的采样接口报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv Artificial IntelligenceGRAFT：为连续扩散语言模型补回缺失的采样接口
连续扩散语言模型 ELF 的词汇长尾出现塌缩：常见词频率与人类文本几乎一致，但最稀有词仅为人均的 0.30x，且从 105M 到 652M 参数都未收窄。研究将其归因于每步对候选做平均而非采样，并提出免训练方法 GRAFT，在模型未定稿时锁定稀有词再重新生成。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 710月23日 03:00
- 近 24 小时变化
- –
02468
03:0004:0005:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。