HC-DLM：分层连续扩散语言模型

2026年10月1日，HuggingFace Daily Papers 收录了一篇社区热门论文，提出分层连续扩散语言模型（HC-DLM）。该工作针对离散 token 生成与连续表示结合的问题，将离散 token 生成与连续隐变量轨迹耦合进单一、有原则的去噪过程，其训练目标由 token 似然的变分下界推导而来。与此前把连续上下文附加到离散链上的做法不同，HC-DLM 让隐变量成为唯一持续存在的生成状态，每一步从中读出 token，并将该 token 反馈为下一步隐状态更新的脚手架。目前披露的信息集中于方法设计层面，尚未见后续报道涉及实验结果、模型规模或与其他方法的对比数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。