两篇新研究论文探讨了扩散大型语言模型(dLLMs)在机器翻译和正式语言生成方面的进展。第一篇论文介绍了 Entropy-Valley (EV),一种用于机器翻译中 dLLMs 的无训练长度选择方法,该方法可改善目标长度选择,并取得与自回归模型相比具有竞争力的结果。第二篇论文提出了 LAVE,一种用于 dLLMs 的约束解码方法,通过使用前瞻和验证来保持语法正确性,同时开销极小,从而确保正式语言的可靠生成。 AI
影响 扩散 LLMs 的这些进展可能会提高机器翻译的可靠性和性能,以及代码等结构化输出的生成。
排序理由 两篇在 arXiv 上发表的学术论文,详细介绍了扩散语言模型的新方法。
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Diffusion Large Language Models
- Entropy-Valley
- Gotit.pub
- Hugging Face
- LAVE
- LLaMA-3-8B
- ScienceCast
- Yitong Zhang
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →