研究人员分析了用于图到文本生成的掩码扩散语言模型（MDLM）的生成过程，发现它们在关系词和结构化标记之前优先处理实体。开发了一种新方法——lambda-缩放结构化解码，通过在推理过程中调整标记置信度来提高输出质量，实现了+9.4 BLEU-4分数。该研究还引入了Graph-LLaDA，通过整合图结构来增强LLaDA，以实现更好的泛化。 AI
影响 引入了一种用于图到文本生成的新方法，可能改进LLM处理结构化数据的方式。
排序理由 学术论文，详细介绍了一种用于特定NLP任务的扩散模型的新方法和分析。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.31564v1 Announce Type: cross Abstract: We present the first systematic study of masked diffusion language models (MDLMs) for graph-to-text generation. We analyze MDLM generation trajectories -- the order in which tokens are unmasked during iterative decoding -- and fin…
We present the first systematic study of masked diffusion language models (MDLMs) for graph-to-text generation. We analyze MDLM generation trajectories -- the order in which tokens are unmasked during iterative decoding -- and find that, unlike autoregressive LLMs which generate …