AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:Transformer架构×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月26日
12:20
12:20arXiv cs.LG@Sanghyun Lee, Chunsan Hong, Seungryong Kim, Jonghyun Lee, Jongho Park, Dongmin Park
精选
本文提出 LoopMDM(Looped Masked Diffusion Model),通过在掩码扩散模型的早期-中间层选择性循环,显著提升训练效率和模型性能。训练时循环层产生深度缩放效果而不增加参数,推理时可变循环次数实现灵活计算缩放。在多个预训练语料上,LoopMDM 匹配同尺寸 MDM 性能但节省高达 3.3 倍训练 FLOPs,在 GSM8K 等推理基准上提升最多 8.5 分,甚至超越更深层非循环模型。注意力分析表明,循环促进了掩码位置间的交互。代码和权重将开源。
论文掩码扩散模型Transformer架构训练效率推理缩放开源/仓库

推荐理由:做扩散语言模型或高效 Transformer 架构的开发者值得关注——LoopMDM 用简单循环层技巧同时省训练算力、提推理性能,直接可复现。
原文
精选全部日报登录