Purl

撤回的论文提出了用于修改扩散模型文本生成的PURL

一篇现已撤回的研究论文介绍了用于掩码扩散模型（MDM）的PURL（Planned Unmasking-and-Revision Joint Learning）。PURL旨在通过允许模型选择性地修改早期可能不一致的预测来改进文本生成，这些预测是在并行解码过程中做出的。该框架将并行生成与修订能力相结合，在逻辑谜题、数学推理和代码生成等任务上显示出显著的准确性提升和更少的解码轮次。研究表明，有效的并行生成依赖于在正确的时间修改正确的承诺。