研究者提出超球面潜空间流语言模型S-FLM

Justin Deschenaux 与 Caglar Gulcehre 提出 S-FLM，一种在超球面 S^{d-1} 上做连续流语言建模的隐空间方法：它沿交叉熵学习的速度场旋转向量来生成序列，从而避免物化 one-hot 向量的开销。 据论文报告，该方法在大词表推理任务上明显优于已有连续流语言模型，并在标准温度采样（T=1）下缩小了与 masked diffusion 的差距；但在优化后的低温解码（T=0.1）下，两者仍有差距。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。