待验证50% 置信事实精确时间
Anari 等人（2026）提出利用拒绝采样修正掩码扩散模型并行解码中的分布偏差，将对数接受概率分解为 token 级项之和。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证传统推测解码的验证过程对草稿提出的token以min(1, p(x)/q(x))的概率接受，被拒绝则从修正分布norm(max(0, p(x)-q(x)))重新采样，可证明产生的token分布与直接从目标模型采样完全一致（lossless）68% 相似待验证Qi 等人（ICLR 2024）观察到，仅用少量对抗样本就能导致模型对齐退化，即便是良性数据集也会产生较小的负面影响63% 相似待验证当假设预测误差服从均值为零、方差固定的高斯分布时，对似然函数取负对数并展开，其主要项恰好就是均方误差的形式63% 相似待验证在某些测试条件下，主流AI编程工具推荐不存在包名的概率可达5%~20%62% 相似待验证实验表明经过 abliteration 处理的模型在常规能力测评上几乎不退化，但拒绝有害请求的概率大幅下降62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042093API
curl https://kongchang.com/api/v1/knowledge/claims/1042093MCP
get_claim(id=1042093)