研究者提出LFPO优化掩码扩散模型策略
热点事件持续更新
研究者提出LFPO优化掩码扩散模型策略
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Chenxing Wei 等作者提出 Sequence Likelihood-Free Policy Optimization（LFPO）框架，用于掩码扩散大语言模型（dLLM）的策略对齐。该方法把策略对齐转化为离散速度对齐，绕过序列级似然估计，直接通过对比式 Token 级更新优化去噪 logits。 作者称，在推理与代码基准上，LFPO 的准确率匹配或超过基于似然的基线，同时显著加速推理，并可用更少的去噪迭代完成高质量采样。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
LFPO：面向掩码扩散模型的高效 Token 级策略优化报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · cs.AILFPO：面向掩码扩散模型的高效 Token 级策略优化
研究者提出 Sequence Likelihood-Free Policy Optimization（LFPO），将扩散大语言模型（dLLM）的策略对齐转化为离散速度对齐，绕过序列级似然估计，直接通过对比式 Token 级更新优化去噪 logits。在推理与代码基准上，LFPO 的准确率匹配或超过基于似然的基线，同时显著加速推理，并可用更少的去噪迭代完成高质量采样。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。