SERF自正则化流语言模型框架发布

2026年10月27日，由Theodoros Kouzelis等人提出的自正则化流语言模型框架SERF在arXiv发布。该框架实现无需外部预训练模型的自监督学习，通过“噪声到干净”的自蒸馏技术提升连续扩散语言模型性能。 最新报道指出，SERF在OpenWebText数据集上验证了其显著优势，实现了7.7倍的训练加速，MAUVE指标提升24.3%，GSM8K准确率最高提升28.8%。同时，该框架使采样步骤减少最高达64倍，展示了SERF-L与SERF-P模型变体的高效性。

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。