ProSeCo让掩码扩散模型边生成边纠错

Yair Schiff等研究者提出Progressive Self-Correction（ProSeCo）训练与采样方法，让掩码扩散模型（MDM）在去掩码的同时纠正错误，可迭代修正整段序列，包括已生成的token。 作者称，该方法在多项条件与无条件任务上取得更优的质量-效率权衡，采样速度最高提升约4倍且仍优于最佳准确率基线；通过推理时计算扩展，基准上还可再获约1.2倍提升。 作者已公开复现实验的代码。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。