论文提出DoubleCat与SemiCat优化连续扩散语言模型
发生了什么
据arXiv cs.LG发布的论文《On the Design Space of Continuous Diffusion Language Models》，研究提出了DoubleCat和SemiCat两种方法以优化连续扩散语言模型（CDLMs）。DoubleCat通过两级插值器解决训练/推理不匹配问题，使TinyGSM准确率提升三倍以上；SemiCat在此基础上引入离散揭示机制，在1.7B参数规模下，在六个基于似然的评估中有四个优于离散扩散模型。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- arXiv cs.LG一手材料
On the Design Space of Continuous Diffusion Language Models
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口