跳到正文
热点事件持续更新

Yulin Yuan等提出JPEG-DLM提升扩散语言模型效率

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

Yulin Yuan等研究者在arXiv发布论文,提出JPEG-DLM方法。该方法通过联合训练压缩器、流匹配模型和解码模块,生成高效的语言扩散模型。在OWT数据集、压缩率0.5的条件下,其生成困惑度(Gen-PPL)为34.52,吞吐量约为ELF模型的2.3倍。

AI 根据报道生成 · 14 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
    JPEG-DLM 联合学习压缩嵌入以实现高效语言扩散

    研究提出 JPEG-DLM,通过联合训练压缩器、流匹配模型和解码模块生成高效语言扩散模型。该模型在 LM1B 和 OWT 上吞吐量领先,OWT 压缩率 0.5 时 Gen-PPL 为 34.52,吞吐量约为 ELF 的 2.3 倍。 结果表明联合学习压缩嵌入为提升扩散语言模型效率提供了可行路径。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 16:00
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。