PulseAugur
中
实时 22:02:55
English(EN) Discrete Tilt Matching

新的离散倾斜匹配方法微调掩码扩散大语言模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的微调掩码扩散大语言模型（dLLMs）的方法，称为离散倾斜匹配（DTM）。DTM通过将dLLM微调重构为局部解掩码后验的状态级匹配，解决了强化学习中序列级边际似然的棘手问题。这种方法产生了一个可以明确最小化的加权交叉熵目标，并允许使用控制变量来提高训练稳定性。在合成迷宫规划任务上的实验以及与LLaDA-8B-Instruct的规模化评估表明，DTM在提高数独和Countdown等任务的性能方面非常有效，同时在数学基准测试上保持竞争力。 AI

影响 引入了一种新的训练技术，可以提高掩码扩散大语言模型在各种任务上的效率和性能。

排序理由 该集群包含一篇详细介绍大语言模型微调新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

新的离散倾斜匹配方法微调掩码扩散大语言模型

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Yuyuan Chen, Shiyi Wang, Peter Potaptchik, Jaeyeon Kim, Michael S. Albergo ·

    Discrete Tilt Matching

    arXiv:2604.18739v2 Announce Type: replace-cross Abstract: Masked diffusion large language models (dLLMs) are a promising alternative to autoregressive generation. While reinforcement learning (RL) methods have recently been adapted to dLLM fine-tuning, their objectives typically …

相关话题