arXiv · AI· Wei Cai, Jian Zhao, Yuchen Yuan, Xuelong Li·· 10 天前AI 评分34
CaLR:用于鲁棒扩散推理的因果潜在修正框架
CaLR: Causal Latent Revision for Robust Diffusion Reasoning
AI 导读
论文提出因果潜在修正(CaLR)框架,通过将推理重构为受限潜在优化,解决自回归模型的局部贪婪性和扩散语言模型缺乏严格因果结构的问题。 CaLR采用来自专家模型的因果拓扑矩阵(CTM)和隐式微分,执行梯度引导的“思维修正”以强制逻辑一致性。 该方法在复杂基准测试中实现了扩散语言模型的最优性能,超越了强自回归基线,并在如数独等受限任务中表现出优越的鲁棒性。
来源:arXiv · AI · arxiv.org