热点事件持续更新
TraceQuery：用全去噪轨迹指导扩散语言模型稀疏解码
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.CL 上的一篇论文提出 TraceQuery，一个面向扩散语言模型（dLLM）的轻量稀疏解码框架。该工作把高效推理转化为“轨迹引导的查询”：先用全去噪轨迹做监督，训练模型预测少量与近未来轨迹相关的位置，只对这些候选位置执行新鲜计算，再由主干模型从中选择一个提交，从而避免对所有位置做重复计算。报道称，TraceQuery 在基于缓存的方法中取得最强的质量-计算权衡，即在显著减少新鲜 token 计算量的同时保持高准确率，并可跨任务、模型变体和模型族泛化。目前该事件仅有这一篇论文报道，尚无后续实验复现、开源代码或社区讨论等进展，早先报道与后续报道之间也暂不存在数字或说法上的矛盾。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
arXiv 新论文提出 TraceQuery，用全去噪轨迹指导扩散语言模型稀疏解码。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CLTraceQuery：从扩散语言模型的全去噪轨迹中学习重算哪些位置
TRACEQUERY 是一个面向扩散语言模型（dLLM）的轻量稀疏解码框架，将高效推理转化为轨迹引导的查询：用全去噪轨迹监督预测少量近未来轨迹相关位置，仅对这些候选做新鲜计算，再由主干从中选择一个提交。它在基于缓存的方法中取得最强的质量-计算权衡，在显著减少新鲜 token 计算的同时保持高准确率，并可跨任务、模型变体和模型族泛化。
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。