PulseAugur
中
实时 07:10:39
English(EN) STDec: Spatio-Temporal Stability Guided Decoding for dLLMs

新的 STDec 解码方法提高了 dLLM 的效率和稳定性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的扩散大语言模型 (dLLM) 解码方法 STDec，可提高效率并保持生成质量。与依赖全局置信度阈值的方法不同，STDec 结合了空间和时间稳定性来指导解码过程。这包括根据相邻的解码状态和去噪步骤中预测的 token ID 的一致性来动态调整 token 自适应阈值。STDec 无需训练，并且与现有的加速技术兼容，展示了显著的加速效果，例如在 MBPP 基准测试上使用 LLaDA 实现了 14.17 倍的提升，同时保持了生成分数。 AI

影响 这种新的解码方法可能会带来更快、更高效的扩散大语言模型推理。

排序理由 该集群包含一篇详细介绍 dLLM 新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

新的 STDec 解码方法提高了 dLLM 的效率和稳定性

本文如何被排名

Signal score
34 / 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 dLLM 新方法的学术论文。[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, infra
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]

  1. arXiv cs.CL TIER_1 English(EN) · Yuzhe Chen, Jiale Cao, Xuyang Liu, Jin Xie, Aiping Yang, Yanwei Pang ·

    STDec：用于 dLLMs 的时空稳定性引导解码

    arXiv:2604.06330v2 Announce Type: replace Abstract: Diffusion Large Language Models (dLLMs) have achieved rapid progress, viewed as a promising alternative to the autoregressive paradigm. However, most dLLM decoders still adopt a global confidence threshold, and do not explicitly…

相关实体

相关话题