AutoIndexer：通过在编辑链上训练因果模型实现灵活顺序解码

英文标题：AutoIndexer: Flexible-Order Decoding by Training Causal Models on Chains of Edits

论文《AutoIndexer》提出通过“编辑链”训练因果模型，以支持更灵活的生成与解码顺序。作者指出，传统自回归解码不适合处理交叉引用、未来依赖等非因果顺序数据，因为其输出生成后无法像人类迭代推理那样回头修订。摘要称，Diffusion LLMs 可在一定程度上缓解这一限制；该研究则进一步探索基于因果模型的替代路径。论文编号为 arXiv:2610.12545v1，属于新发布论文。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB