跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · AI
    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

    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
–

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。