مدلهای زبانی مبتنی بر انتشار (DLM) به خاطر سرعت بالایی که دارند جذاباند، اما همیشه از نظر دقت پشت سر مدلهای خودکارگستر (AR) میماندند. حالا محققان با معرفی چارچوب «PoE-Bridge» این فاصله را به حداقل رساندهاند!
این روش با استفاده از توزیعهای میانی و ترکیب تکنیکهای نمونهبرداری، توانسته علاوه بر ۵ برابر کردن سرعت رمزگشایی نسبت به مدلهای DLM استاندارد، دقت را هم تا ۹۵٪ مدلهای AR بالا ببرد. یک جهش عالی برای آینده پردازش متن! ✨
منبع: arXiv Machine Learning