研究发布离散扩散模型利用不对称性解决前瞻规划

2026年11月2日，研究人员Itamar Trainin等人发布论文，探讨离散扩散模型在规划任务中的应用。该研究指出，非自回归语言模型利用前瞻规划任务中固有的方向不对称性，在训练效率上优于自回归模型。 研究发现，图遍历问题中前向遍历需要复杂的顺序规划，而反向路径具有确定性。非自回归模型据此习得反向解码模式，将高阶前瞻问题简化为一阶过渡序列。这一机制分析揭示了自回归架构在规划能力上的固有局限，证实了非自回归建模在此类任务中的优势。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。