热点事件持续更新
ReLF：用整流流做并行文本生成
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 27 日，arXiv cs.AI 刊出研究《Rectified Language Flow（ReLF）》，提出用整流流（rectified flow）把噪声输运到 token 嵌入，以此并行生成文本，而不是逐 token 自回归解码。研究在 OpenWebText 上评测：在 64 次函数评估（NFE）下，ReLF 在三种模型规模上的生成困惑度均低于自回归基线，也优于此前的连续流方法。经过两轮 reflow 后，模型仅需 16 次函数评估仍保持领先；在 batch size 为 1 时，生成 1,024 token 序列的速度快 15–19 倍。目前可查信息仅来自这一篇论文报道，尚无后续进展。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
论文称 64 次函数评估下困惑度优于自回归基线，两轮 reflow 后 16 次仍领先。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIRectified Language Flow（ReLF）：用整流流做并行文本生成的语言模型
研究提出 Rectified Language Flow（ReLF），用整流流把噪声输运到 token 嵌入来生成文本。在 OpenWebText 上做 64 次函数评估时，ReLF 在三种模型规模下生成困惑度均低于自回归基线，也优于此前的连续流方法。两轮 reflow 后仅需 16 次函数评估仍保持领先，batch size 1 下生成 1,024 token 序列快 15-19 倍。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
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。