TIDE：扩散大语言模型的跨架构知识蒸馏
深度2026年5月5日29 分钟阅读
本文首次实现扩散大语言模型的跨架构知识蒸馏，学生模型体积仅为教师的1/13，性能却显著超越自回归基线。对AI压缩、代码生成和高效模型部署感兴趣的研究者应关注此工作。
本文编译自 Turning the TIDE: Cross-Architecture Distillation for Diffusion Large Language Models，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Fable 5 性能强劲但使用限制和成本引发争议。用户称赞其编程和推理能力超越 Opus 4.8，但抱怨使用额度快速耗尽、护栏频繁误判，以及不可选的数据留存政策。
深度The New Stack·6月10日·5 分钟
循环工程（Loop Engineering）是一种将编码代理从交互式助手转变为长期运行执行系统的编排模式。它利用调度、隔离工作区、验证代理和持久记忆等基础组件，让开发者从手动提示中解放出来。
深度The New Stack·6月10日·6 分钟