热点事件持续更新
免训练并行解码方法 RPD 提升扩散语言模型可靠性
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 9 月 30 日，arXiv cs.CL 出现报道《Masked Diffusion 语言模型中的可靠并行解码（RPD）》，介绍一种免训练方法 Reliable Parallel Decoding（RPD）。报道称，该方法通过逐层预测稳定性与最终置信度筛选候选，以提升 Masked Diffusion 语言模型并行解码的可靠性，且不需要额外训练。该事件此前的公开线索为“提出免训练的可靠并行解码方法 RPD”，新报道补充了方法的具体筛选机制。目前公开信息仍只来自这一篇报道，尚未见到实验细节、对比数据或复现结果，也没有出现与早先说法相矛盾的数字或表述。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
arXiv cs.CL 报道 RPD 机制：以逐层预测稳定性与最终置信度筛选候选。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.CLMasked Diffusion 语言模型中的可靠并行解码（RPD）
免训练的 Reliable Parallel Decoding（RPD）通过逐层预测稳定性与最终置信度筛选候选，提升 Masked Diffusion 语言模型并行解码的可靠性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。