实体
dLLMs
dLLMs
PulseAugur coverage of dLLMs — every cluster mentioning dLLMs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新研究分析 dLLM 感应并引入新颖的训练方法
两篇新研究论文探讨了扩散大型语言模型（dLLM）的机制和训练。第一篇论文介绍了基于轨迹的策略内蒸馏（TOPD）框架，该框架通过监督 dLLM 自身的去噪轨迹来提高其推理能力，在数学基准测试中取得了具有竞争力的准确率，同时显著降低了计算量。第二篇论文对 dLLM 中的上下文内学习进行了机制分析，揭示了一个利用过去和未来上下文的双向感应电路，在可用双向上下文时优于自回归模型。
-
新的大语言模型框架和基准推动形式数学推理发展
研究人员正在开发新的方法和基准来提高大语言模型（LLMs）的形式数学推理能力。一种名为Diffusion-Proof的方法利用扩散大语言模型（dLLMs）进行定理证明，在ProofNet-Test和MiniF2F-Test等基准测试中表现优于自回归模型，甚至解决了领先模型无法解决的国际数学奥林匹克问题。另一项开发Visored提供了一个旨在通过模仿自然语言和自动化常规步骤来处理大语言模型生成数学的证明器。此外，Mask-Proof引入…