研究者提出免训练模块AXON
热点事件持续更新
研究者提出免训练模块AXON
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年11月20日,Giries Abu Ayoub等人提出免训练模块AXON。该模块可叠加于现有扩散语言模型并行解码策略之上。AXON通过监控剩余不确定掩码token的注意力、不确定性与置信度信号,选取锚点token,在需要时干预解码过程。 实验在多个扩散语言模型的推理与代码生成基准上进行。结果显示,AXON通常能减少函数评估次数,同时保持或提升准确率,改善了质量与延迟的权衡。该方案无需训练,可直接应用于现有并行解码流程。
AI 根据报道生成 · 11 小时前更新
最新进展11月20日 13:00
AXON:提升扩散语言模型并行解码质量与延迟权衡的训练无关模块报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · AIAXON:提升扩散语言模型并行解码质量与延迟权衡的训练无关模块
研究者提出 AXON,一种无需训练的模块,可叠加于现有扩散语言模型并行解码策略之上,以改善质量与延迟的权衡。 AXON 通过监控剩余不确定掩码 token 的注意力、不确定性与置信度信号,选取“锚点” token,在需要时干预解码过程。实验在多个扩散模型及推理、代码生成基准上显示,AXON 通常可减少函数评估次数,同时保持或提升准确率。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月20日 18:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月21日02:0004:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。