generación de texto
Todas las noticias con este tag.
Ver estadísticas de este tema
Noticias por hora
Últimas 24 horas · hora argentina
Consultar los valores por hora
| Hora | Noticias |
|---|---|
| 12 nov 2026, 12:00 p. m. | 0 |
| 12 nov 2026, 1:00 p. m. | 0 |
| 12 nov 2026, 2:00 p. m. | 0 |
| 12 nov 2026, 3:00 p. m. | 0 |
| 12 nov 2026, 4:00 p. m. | 0 |
| 12 nov 2026, 5:00 p. m. | 0 |
| 12 nov 2026, 6:00 p. m. | 0 |
| 12 nov 2026, 7:00 p. m. | 0 |
| 12 nov 2026, 8:00 p. m. | 0 |
| 12 nov 2026, 9:00 p. m. | 0 |
| 12 nov 2026, 10:00 p. m. | 0 |
| 12 nov 2026, 11:00 p. m. | 0 |
| 13 nov 2026, 12:00 a. m. | 0 |
| 13 nov 2026, 1:00 a. m. | 0 |
| 13 nov 2026, 2:00 a. m. | 0 |
| 13 nov 2026, 3:00 a. m. | 0 |
| 13 nov 2026, 4:00 a. m. | 0 |
| 13 nov 2026, 5:00 a. m. | 0 |
| 13 nov 2026, 6:00 a. m. | 0 |
| 13 nov 2026, 7:00 a. m. | 0 |
| 13 nov 2026, 8:00 a. m. | 0 |
| 13 nov 2026, 9:00 a. m. | 0 |
| 13 nov 2026, 10:00 a. m. | 0 |
| 13 nov 2026, 11:00 a. m. | 0 |
| 13 nov 2026, 12:00 p. m. | 0 |
Noticias por día
Últimos 30 días, incluido hoy · hora argentina
Consultar los valores por día
| Día | Noticias |
|---|---|
| 2026-10-15 | 0 |
| 2026-10-16 | 0 |
| 2026-10-17 | 0 |
| 2026-10-18 | 0 |
| 2026-10-19 | 0 |
| 2026-10-20 | 0 |
| 2026-10-21 | 0 |
| 2026-10-22 | 0 |
| 2026-10-23 | 0 |
| 2026-10-24 | 0 |
| 2026-10-25 | 0 |
| 2026-10-26 | 0 |
| 2026-10-27 | 0 |
| 2026-10-28 | 0 |
| 2026-10-29 | 0 |
| 2026-10-30 | 0 |
| 2026-10-31 | 0 |
| 2026-11-01 | 0 |
| 2026-11-02 | 0 |
| 2026-11-03 | 0 |
| 2026-11-04 | 0 |
| 2026-11-05 | 0 |
| 2026-11-06 | 0 |
| 2026-11-07 | 0 |
| 2026-11-08 | 0 |
| 2026-11-09 | 0 |
| 2026-11-10 | 1 |
| 2026-11-11 | 1 |
| 2026-11-12 | 0 |
| 2026-11-13 | 0 |
Los gráficos cuentan por fecha de publicación y respetan los filtros. El archivo incluye todo el histórico.
Noticias de generación de texto
2 noticias · De más nuevas a más antiguas.
arXiv Computer Science AIDistilación de distribución regularizada por trayectoria para generación de un paso
Se propone la distilación de distribución regularizada por trayectoria (TRD) para la generación de un paso, combinando supervisión a nivel de distribución y trayectoria. Esta técnica supera a las líneas base en calidad de generación y eficiencia de entrenamiento para la generación de un paso y de pocos pasos en modelos como SANA-1.6B y Stable Diffusion 3.5.
¿Cuándo deberían reconsiderar los Modelos de Difusión de Lenguaje sus compromisos?
Se presenta el Aprendizaje Conjunto de Desenmascaramiento y Revisión Planificado (PURL) para Modelos de Difusión Enmascarados (MDMs) para unificar la generación paralela con la revisión selectiva de tokens. Este marco mejora la precisión en tareas como razonamiento matemático y generación de código, logrando mejoras de hasta 47.4% en precisión. El análisis sugiere que la generación paralela efectiva depende de hacer que los compromisos de tokens sean revisables en el momento adecuado, en lugar de revisar más tokens.