待验证50% 置信事实精确时间
SuffixDecoding 和 prompt-lookup decoding 的草稿源为静态或半静态文本，不感知训练过程中 policy 分布的变化。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证Natural Language Autoencoders 用编码器把激活压缩成隐向量，再由解码器生成自然语言描述，训练目标包含重建激活，表达力最强、读取长度最长，但训练信号不强制描述与事实一致，容易生成看似合理却与实际输出矛盾的内容。72% 相似待验证离散掩码扩散借鉴BERT的掩码语言建模思路，训练时对序列随机掩码并还原，推理时从全掩码序列多步迭代填充，代表工作有MDLM、SEDD71% 相似待验证该研究针对掩码文本重建任务量化了语料采样分歧，即在相同总体上独立采集两份语料后各自训练出的预测器输出的差异71% 相似待验证直接耦合示例：若预训练语料中'playful语气'与'不安全代码片段'频繁共现，微调playful语气可诱导出不安全代码倾向。70% 相似待验证最新研究提出了首个从零开始预训练的三模态掩码扩散模型，在文本、图文和音频-文本数据上同步训练。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098254API
curl https://kongchang.com/api/v1/knowledge/claims/1098254MCP
get_claim(id=1098254)