热点事件持续更新
LUDI：减少均匀性的离散扩散语言模型框架
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 刊出论文，提出离散扩散语言模型框架 LUDI。据论文介绍，LUDI 采用“更少均匀性”的损失函数与逐 token 时间嵌入，让每次反向转移都指向干净 token，从而实现基于置信度的少步采样。该设计带来更干净的监督信号与更好的少步生成效果；将 7B 自回归模型继续训练为 LUDI-7B 后，模型具备复杂推理能力，相比自回归解码实现每步 3 token 的加速，性能与 masked diffusion 基线相当。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
论文称 LUDI 以更少均匀性损失与逐 token 时间嵌入实现少步采样，7B 模型每步加速 3 token。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.CLLUDI：更少均匀性的离散扩散语言模型更强大、更可扩展
LUDI 用更少均匀性的损失与 per-token 时间嵌入，让每个反向转移指向干净 token，实现基于置信度的少步采样。监督更干净、少步生成更好；7B 自回归模型继续训练为 LUDI-7B 后具备复杂推理能力，相比 AR 解码有每步 3 token 加速，性能与 masked diffusion 基线相当。
本事件热度走势
当前热度 9·可比范围峰值 10（9月30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。