速報
D5P4：針對離散擴散模型的全新 Beam‑style 解碼方法
離散擴散模型在文本生成上被視為自回歸的替代方案，但解碼方法尚未成熟。研究提出 D5P4，將中間 beam 選擇視為分割式 DPP 的 MAP 推論，內建平衡品質與多樣性的目標。實驗顯示在開放式生成、問答與數學推理上，D5P4 能提升多樣性與 pass@k 覆蓋，同時維持或超越基線品質。
速報
離散擴散模型在文本生成上被視為自回歸的替代方案，但解碼方法尚未成熟。研究提出 D5P4，將中間 beam 選擇視為分割式 DPP 的 MAP 推論，內建平衡品質與多樣性的目標。實驗顯示在開放式生成、問答與數學推理上，D5P4 能提升多樣性與 pass@k 覆蓋，同時維持或超越基線品質。
深度分析
抗體藥物開發昂貴，研究提出以胚系吸收離散擴散模型（MochiDiff）取代傳統記憶胚系的方式，結合任意分類器進行條件生成。實驗顯示在疏水性與結合親和力優化上，模型較EvoProtGrad提升近五成，並大幅降低胚系偏差。除此之外，非胚系殘基預測準確率由26%提升至46%，語言模型困惑度降至1.293。