arXiv · cs.AI· Vansh Bansal, Cholyeon Cho, Syamantak Kumar, Sujay Sanghavi, Purnamrita Sarkar·· 1 天前
掩码扩散模型并行采样研究：图随机游走揭示条件依赖与二分采样器
Walk fast but be careful: Understanding Parallel Sampling in Masked Diffusion
arXiv:2606.22976v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Vansh Bansal, Cholyeon Cho, Syamantak Kumar, Sujay Sanghavi, Purnamrita Sarkar
研究任务与主要进展
研究以图随机游走为可控沙场，分析掩码扩散模型的并行采样策略，并在摘要中报告最低熵等并行解掩码评分并不总优于随机并行采样。作者提出训练免用的二分采样器，在学习到的边缘分布精确时对随机游走具有可证明精确性；在 OpenWebText 生成及 GSM8K、MBPP、HumanEval 推理基准上的实验显示，不同图结构适合不同采样器，二分采样器提供速度与质量权衡。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org