T
traeai
Sign in

模型

ELF

别名:Embedded Language Flows

何恺明团队开发的首个连续扩散语言模型。

已跟踪 1 条高相关材料

TraeAI 观察

最近变化

2026-05-13 · ELF采用连续扩散方法,仅需32步采样,生成困惑度达到24,优于主流扩散模型。

为什么值得关注

ELF 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。

ELFNLP何恺明扩散语言模型连续扩散

相关材料

已收录 1 条与 ELF 相关的内容,按评分排序。

何恺明首个语言模型:105M参数,不走GPT自回归老路

Kaiming He's team has introduced the first continuous diffusion language model ELF, which achieves a perplexity of 24 on OpenWebText with only 105M parameters and 45B training tokens, outperforming mainstream diffusion models.

入选理由:ELF采用连续扩散方法,仅需32步采样,生成困惑度达到24,优于主流扩散模型。

FeaturedArticle#diffusion language model#continuous diffusion#Kaiming He#ELF#NLP中文

跨材料问答 · ELF

回答基于:ELF 相关 1 条材料
    0 / 500

    AI may generate inaccurate information. Please verify important content.