#MDLM

共 1 条 · 7 天 0 条 · 30 天 0 条

GSM8K 1 MBPP 1 扩散语言模型 1 策略梯度 1

信息流里打上「MDLM」标签的资讯、产品与论文，按刊登时间排，新的在上。

7月17日

掩码感知策略梯度提升扩散语言模型推理能力

这篇论文给扩散语言模型加了个策略梯度法子，数学推理和编程测试成绩都刷了新高，搞RL训练模型的可以看看。

#MDLM #扩散语言模型 #策略梯度 #GSM8K

arXiv cs.AI@Haran Raajesh 等 4 人原文