Binary Discrete Diffusion模型发布

2026年10月21日，arXiv发布研究《Binary Discrete Diffusion：面向逻辑与规划任务的候选集扩散模型》。 该模型采用二进制成员向量表示每位候选集，通过添加和移除机制保留部分不确定性。在Sudoku-Extreme等任务上，其性能持续优于masked和uniform扩散基线。 研究显示，候选集是迭代推理的有效中间表示，且corruption kernel会显著改变反向模型的学习计算。最大增益出现在最难实例上。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。