arXiv提出扩散语言模型多目标少样本提示方法

发生了什么

据arXiv cs.CL报道，研究引入基于扩散语言模型的多目标少样本提示方法，用于解决因果自回归模型在多上下文编辑中的局限。该方法通过示例引导共享画布内多个掩码区域的填充，并利用选择性掩码推导似然比奖励以遵循示例。实验显示，示例指导提升了填充准确率，在少样本提示基准和软件重构案例中均获得增益。