Hugging Face · 每日论文· 媒体 / 作者来源·精选
扩散语言模型在不同任务和语言中改变生成速度
原文标题
Diffusion Language Models Change Speed Across Tasks and Languages
AI 导读
研究分析了两个扩散模型在10项任务中的表现，发现模型生成每个token所需的前向传递次数因任务而异：复制或轻度编辑文本成本低，开放式写作成本高。输出中相对于输入的新内容比例和词的稀有性是影响成本的关键因素。多语言生成中，高token化语言需要更多传递次数。此外，错误答案比正确答案需要更多传递，按解码速度加权候选答案比多数投票高4.2分。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
研究揭示了扩散语言模型计算效率与输出内容创新度之间的关系，为优化推理效率和可靠性提供了实用信号。
导读由模型辅助整理，非独立核验。完整信息见原文。