连续扩散语言模型

连续扩散语言模型的最佳推理配置并非通用，而应随任务目标调整：追求精确推理时倾向于确定性精炼，追求生成多样性时需保留随机性。

近期一篇论文提出将连续隐空间框架直接耦合到连续扩散语言模型（dLLM）上，用学习到的语言分布替换随机映射，以生成更自然的对抗提示。

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。