热点事件观察中
HC-DLM分层连续扩散语言模型
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月1日，Hugging Face Daily Papers 报道论文“HC-DLM：分层连续扩散语言模型”。报道称，HC-DLM 将离散 token 生成与连续潜变量轨迹耦合到同一个去噪过程中，目标是缓解并行解码时 token 依赖被切断的问题。报道还称，在相同模型规模下，HC-DLM 在 Sudoku、Countdown 的谜题准确率以及 LM1B 的生成困惑度上，表现优于离散扩散与连续扩散基线。目前报道仅给出论文方法概述和实验对比结论。
AI 根据报道生成 · 3 小时前更新
最新进展10月1日 08:00
HC-DLM被报道在谜题准确率和LM1B困惑度上优于扩散基线。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- Hugging Face Daily PapersHC-DLM：分层连续扩散语言模型
HC-DLM 将离散 token 生成与连续潜变量轨迹耦合到同一去噪过程中，以缓解并行解码时 token 依赖被切断的问题。在相同模型规模下，它在 Sudoku、Countdown 的谜题准确率和 LM1B 的生成困惑度上优于离散与连续扩散基线。
本事件热度走势
当前热度 4·可比范围峰值 4（10月2日 14:00）·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。