Alec Helbling：扩散语言模型新方法可视为「循环自条件化」

Alec Helbling 提出，近期一类扩散语言模型方法可理解为「循环自条件化」：模型获得与扩散时间步解耦的额外深度维度。区别在于不推进扩散时间，而是对干净的预测结果做 K 步循环精炼，常规自条件化采样则每次迭代都推进时间。Luca Ambrosino 补充称，self-conditioning 正成为语言扩散模型的标配。