English(EN) In-Place Instruction Following in Diffusion Language Models

新方法改进了扩散语言模型的指令遵循能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员为扩散大型语言模型（dLLMs）引入了一种名为就地指令遵循（IIF）的新方法，该方法允许在特定输出位置锚定约束的文本生成。为了评估此能力，他们开发了IIF-Bench，这是一个旨在测试字面、风格和话语功能约束的基准。他们提出的GRAFT框架结合了监督微调和偏好优化，显著提高了多个dLLMs的IIF分数，同时保持了通用的生成能力。 AI

影响这项研究可能带来更可控、更精确的大型语言模型文本生成，从而实现需要严格遵守格式或风格约束的新应用。

排序理由该集群包含一篇详细介绍语言模型新方法和基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍语言模型新方法和基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zheng Nie, Zherui Li, Jiaming Zhang, Kun Wang, Zhenhong Zhou, Yufei Guo · 2026-09-10 04:00

Diffusion Language Models 中的就地指令遵循

arXiv:2609.07160v1 Announce Type: cross Abstract: Diffusion Large Language Models (dLLMs) generate text via bidirectional iterative denoising, naturally supporting user-specified constraints anchored at arbitrary output positions, a paradigm known as In-place Prompting (IPP). We …

本文如何被排名

报道来源 [1]

Diffusion Language Models 中的就地指令遵循

相关实体

相关话题