Recursive Scaling in Masked Diffusion Models
掩码扩散模型中的递归缩放
机构 * LTS4, EPFL, Lausanne, Switzerland(瑞士洛桑联邦理工学院LTS4实验室) ; University of Cambridge, Cambridge, UK(英国剑桥大学)
AI总结 提出递归掩码扩散模型(R-MDMs),通过在每个扩散步骤中重复应用同一去噪变换器增加递归深度,实现参数高效缩放,在数独和倒计时等结构化生成任务中,以更少参数匹配非递归基线性能。