待验证50% 置信事实精确时间

掩码扩散语言模型（dLLM）的解码顺序对生成质量有显著影响。

1

来源数

50%

置信度

长期有效

时效性

2026/10/30

首次发现

来源

Cord：让掩码扩散模型学会动态解码顺序

涉及实体

掩码扩散语言模型concept

相关事实

待验证连续扩散语言模型（dLLM）是一类将扩散模型应用于文本生成的模型，在连续隐空间中通过去噪过程生成文本，其隐空间到文本的映射是学习到的而非随机的。76% 相似待验证扩散语言模型（DLM）通过双向注意力与迭代去噪生成整段文本，控制信息可从序列任意位置介入。75% 相似待验证常见 dLLM 解码器通常在生成过程中固定使用同一种揭示规则。75% 相似待验证近年来基于LLM的APR方法（如AlphaRepair、ChatRepair）因语言模型天然理解代码语义而展现出显著优势74% 相似待验证对于编码器-解码器模型，直接的双语微调在原始WER指标上表现最强73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1114428

API

curl https://kongchang.com/api/v1/knowledge/claims/1114428

MCP

get_claim(id=1114428)