Hugging Face · 每日论文· 媒体 / 作者来源·精选
DRLM用完整草稿并行修正替代扩散反向过程
原文标题
Breaking Diffusion: Parallel Reasoning with Draft Refinement
AI 导读
Hugging Face每日论文介绍Draft Refinement Language Models：单个去噪器从均匀损坏的草稿中重建每个token，学习保留与修复，并用一次前向计算得到的cavity energy筛选修改。在Countdown、Sudoku-Extreme、Maze-Hard上优于自回归和离散扩散基线；6M参数模型在Countdown-5达44.4%，Sudoku-Extreme达93.9%。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
提出以完整草稿并行修正替代反向扩散的新推理方法，并给出在Countdown、数独和迷宫任务上的具体基准结果及6M参数模型表现。
导读由模型辅助整理，非独立核验。完整信息见原文。