CoTA++：训练免费缓解扩散式多模态大模型缓存重复退化
热点事件持续更新
CoTA++：训练免费缓解扩散式多模态大模型缓存重复退化
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Qiyan Zhao 等发布论文，从信息流视角解释扩散式多模态大语言模型（dMLLM）使用近似缓存时出现的 Repeat Curse（重复生成）问题，并提出训练无关、可即插即用的 CoTA++ 框架，通过上下文 Token 注意力重锚定、解码感知刷新和上下文 Token 熵引导投票来缓解该退化。 论文结果（基于论文摘要，属作者声称）：在三种模型和两种缓存后端上，CoTA++ 将长回答的样本重复率从最高 99.6% 降至最高 17.0%，在 9 个基准上恢复大部分因缓存损失的准确率，并将缓存加速的额外开销控制在 15% 以内。
AI 根据报道生成 · 4 小时前更新
最新进展10月19日 12:00
CoTA++：从信息流视角缓解扩散式多模态大模型的重复诅咒报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · cs.AICoTA++：从信息流视角缓解扩散式多模态大模型的重复诅咒
作者提出训练无关、可即插即用的CoTA++框架，通过上下文Token注意力重锚定、解码感知刷新和上下文Token熵引导投票，缓解扩散式多模态大模型近似缓存导致的重复生成问题。在三种模型和两种缓存后端上，该方法将长回答的样本重复率从最高99.6%降至最高17.0%，在9个基准上恢复大部分因缓存损失的准确率，并将缓存加速的额外开销控制在15%以内。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。