苹果发布 Probe Guidance：无需额外推理计算的流匹配语言模型引导方法

Apple Machine Learning Research 于 2026 年 9 月 23 日发布研究论文，提出名为 Probe Guidance 的流匹配语言模型引导方法，在无需增加额外推理计算开销的前提下提升连续扩散语言模型的生成表现。

• 该方法利用扩散模型本身冻结的内部隐层状态构建引导信号，机制类似于自动引导（Autoguidance），但消除了推理阶段额外的前向传播计算。
• 实验表明 Probe Guidance 在连续扩散语言模型的无条件生成任务上刷新了基准性能表现。
• 将该方法应用于 1.7B 规模的扩散语言模型时，多项选择问答基准得分获得了持续改善，同时揭示了弱模型需来自训练低熵区域的作用机制。
• 影响/看点：该方法可能为非自回归扩散语言模型的高效推理与质量优化提供实用方案，但其泛化能力仍需在大规模参数模型与复杂长文本生成任务中进一步验证。
• 资料依据：
• Apple Machine Learning Research（2026-09-23）：https://machinelearning.apple.com/research/guide-language-flow
• arXiv（2026-09-23）：https://arxiv.org/abs/2609.19356

本内容由 AI 生成，仅供参考，请注意甄别