扩散语言模型表示空间MMD后训练方法

2026年10月5日，Hugging Face Daily Papers 报道了一项面向扩散语言模型（DLM）的后训练方法。研究者提出在冻结的预训练 DLM 特征空间中，最小化生成分布与参考分布之间的 MMD（最大均值差异），并通过保留各 token 位置的上下文特征，使单次提取即可获得每条序列的多个观测。该报道为目前唯一来源，未提及更早的相关报道或存在数字、时间、说法上的矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。