Forzado de Difusión: Predicción de Próxima Palabra se Encuentra con Difusión de Secuencia CompletaDiffusion Forcing: Next-token Prediction Meets Full-Sequence Diffusion
Este artículo presenta Forzado de Difusión, un nuevo paradigma de entrenamiento donde un modelo de difusión se entrena para desenruido un conjunto de tokens con niveles de ruido independientes por token. Aplicamos Forzado de Difusión a la modelización generativa de secuencias mediante el entrenamiento de un modelo causal de predicción del siguiente token para generar uno o varios tokens futuros sin difundir completamente los pasados. Se demuestra que nuestro enfoque combina las fortalezas de los modelos de predicción del siguiente token, como la generación de longitud variable, con las fortalezas de los modelos de difusión de secuencia completa, como la capacidad de guiar el muestreo hacia trayectorias deseables. Nuestro método ofrece una variedad de capacidades adicionales, como (1) desplegar secuencias de tokens continuos, como video, con longitudes más allá del horizonte de entrenamiento, donde los puntos de referencia divergen y (2) nuevos esquemas de muestreo y guía que se benefician de manera única de la arquitectura causal y de horizonte variable de Forzado de Difusión, lo que resulta en mejoras significativas en tareas de toma de decisiones y planificación. Además de su éxito empírico, se demuestra que nuestro método optimiza un límite inferior variacional en las probabilidades de todas las subsecuencias de tokens extraídos de la verdadera distribución conjunta. Sitio web del proyecto: https://boyuan.space/diffusion-forcing/