Le filThèmes : RechercheÉvaluations
Un papier distille les embeddings de T5Gemma-2 pour améliorer les modèles de langage à diffusion continue
1 sourcemis à jour il y a 5 jpertinence 3,2 sur5
L’essentiel
Le modèle de taille moyenne atteint une Gen. PPL de 17,8, contre 15,4 pour le texte réel, sur OpenWebText, et dépasse GPT-2-M sur cette mesure. Les embeddings distillés rendent l’espace latent plus diffusible.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceZekai Zhang, Yunjie Tian, Yanjin He et al.huggingface.co
Scaling and Distilling Text Embeddings for Better Diffusibility (site externe)
Diffusion language models (DLMs) offer a promising alternative to autoregressive (AR) language generation.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5