DyLLM: Inferencia Eficiente de LLMs de Difusión mediante Token Saliente
Descubre DyLLM, un marco de inferencia sin entrenamiento que acelera hasta 9.6x los LLMs de difusión seleccionando solo tokens relevantes. Ideal para razonamiento y código.
#llada
DSL-LLaDA: Denoising Continuo para Modelos de Difusión Enmascarados de 8B
DSL-LLaDA adapta LLaDA para denoising continuo, evitando el compromiso longitud/calidad. Obtiene el mejor ROUGE-1 en resumen con pocos pasos.
SkillAdaptor: Habilidades auto-adaptables para agentes LLM
Descubre SkillAdaptor, un marco sin entrenamiento que adapta habilidades de agentes LLM paso a paso, mejorando éxito en WebShop, PinchBench y Claw-Eval.
¿Qué se descubre primero? Análisis de difusión para texto desde gráficos
Estudio revela que MDLMs descifran entidades primero en generación texto-gráfico. SFT puede fallar, pero decodificación lambda recupera +9.4 BLEU.
FineVLA: Alineación de Instrucciones Detalladas para Políticas de Visión-Lenguaje-Acción Orientables
<meta content=FineVLA ofrece instrucciones detalladas para crear políticas orientables de visión, lenguaje y acción. Optimiza tu modelo VLA con esta guía práctica y efectiva.>