HC-DLM：分层连续扩散语言模型提出

2026年10月2日，AGI Hunt 报道，UIUC-CS 提出分层连续扩散语言模型 HC-DLM，其核心是在单一去噪过程中耦合离散 token 生成与连续潜在轨迹：模型以潜变量作为唯一的持久生成状态，每一步读出 token，并把读出的 token 反馈为下一轮潜变量更新的支架。报道称，在结构化推理任务 Sudoku、数学规划任务 Countdown 与语言建模任务 LM1B 上，同尺寸条件下 HC-DLM 的谜题准确率与生成困惑度均优于离散扩散与连续扩散基线。项目页为 hc-dlm.github.io。截至该报道，事件进展为模型提出与实验结果的公布，暂未见后续更新。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。