跳到正文
热点事件持续更新

NeurIPS 2026 论文：MDLM 训练引入 CTC 对齐机制

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

2026年11月6日，arXiv（cs.lg）发布论文《Reconsidering Positional Supervision in Masked Diffusion Language Model Training》，作者包括Mengyu Ye、Keito Kudo等。该研究针对LLaDA-8B-Instruct模型，发现其在迭代解码时对位置偏移高度敏感，在Arena-Hard测试中，仅需1%的生成token发生1个位置位移，即可导致胜率显著下降。为解决此问题，研究者将连接时序分类（CTC）机制引入掩码扩散语言模型的监督微调阶段。通过引入能吸收位置不确定性的特殊token并更新坍塌映射，该方法放宽了交叉熵损失对严格位置匹配的要求，从而增强模型训练的鲁棒性。

AI 根据报道生成 · 21 小时前更新

最新进展11月6日 13:00
LLaDA-8B-Instruct 中重新审视掩码扩散语言模型训练的位置监督

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. arXiv · ML
    LLaDA-8B-Instruct 中重新审视掩码扩散语言模型训练的位置监督

    研究发现 LLaDA-8B-Instruct 在迭代解码时对位置偏移敏感，仅 1% 的 token 位移即可显著降低 Arena-Hard 胜率。 作者将连接时序分类（CTC）引入掩码扩散语言模型的监督微调，通过引入吸收位置不确定性的特殊 token 及更新后的坍塌映射，放宽了交叉熵损失的严格位置匹配要求。

本事件热度走势

可比范围当前
5
可比范围峰值
911月6日 15:00
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。