对比分布匹配（CDM）：提升离散扩散模型采样效率的新框架
该论文提出对比分布匹配（CDM）框架，旨在解决离散扩散模型从奖励倾斜分布中采样的效率瓶颈。传统序列蒙特卡洛（SMC）方法在离散状态空间中估算扭曲函数成本高昂，CDM通过正负样本学习参数化扭曲函数，摊销了推理开销，并利用闭式前向核重构梯度估计器提升训练效率。
推理优化
First-Principle 上关于「推理优化」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
英伟达提出首个三模式大语言模型，token吞吐量提升4倍
机器之心于2026年5月22日发布的文章称，英伟达提出了全球首个三模式大语言模型系列，该模型可通过切换注意力模式在自回归、扩散和自推测解码之间切换，无需额外草稿模型或架构变更，最快模式下token吞吐量可提升4倍。