扩散语言模型新方法可视为「循环自条件化」

2026年10月14日，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」：模型由此获得一个与扩散时间步解耦的额外深度维度。其与常规做法的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步。同一讨论中，Luca Ambrosino 补充称，self-conditioning 正在成为语言扩散模型的标配。目前该说法是对已有方法的概念性解读，报道中未给出更多实验结果或复现信息。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。