Uncode框架校准掩码扩散模型解码偏差

Pengcheng Huang等作者提出解码去偏校准框架Uncode，用于缓解掩码扩散模型（MDM）中基于不确定性的解码策略带来的刚性边界偏差和琐碎 token 偏差。作者称，这些偏差会限制模型推理能力并降低生成质量。 Uncode通过引入两种互补先验约束全局解码轨迹。作者在三个先进MDM和七个推理与规划密集型基准上测试，称其比现有解码策略高出7%以上，性能与同参数规模的自回归模型相当。代码已公开。

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。