热点事件持续更新
CoRAL 混合扩散-自回归多模态推理框架提出
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月21日，arXiv cs.AI / cs.LG 刊出论文，提出 CoRAL 混合扩散-自回归多模态推理框架，用来缓解自回归模型的序列性瓶颈与扩散模型语义连贯性不足。该框架由两部分组成：扩散语言模型 Planner 并行生成 K 条推理轨迹，大型自回归模型 Executor 从中选出最优方案并合成最终答案。论文还提出 RDC 方法，把结果奖励融入扩散过程，引导目标导向推理。在视觉-语言基准上，CoRAL 显著优于此前扩散方法，并与强自回归模型性能相当。目前事件仍停留在论文发布阶段，尚未见后续复现、开源或同行评议报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 01:39
arXiv 论文提出 CoRAL 混合扩散-自回归框架，视觉-语言基准上优于此前扩散方法。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AI / cs.LG 最新CoRAL：突破序列性瓶颈的混合扩散-自回归多模态推理框架
CoRAL 混合框架用扩散语言模型 Planner 并行生成 K 条推理轨迹，再由大型自回归模型 Executor 选出最优方案并合成最终答案，以缓解自回归模型的序列性瓶颈与扩散模型的语义连贯性不足。配套的 RDC 方法把结果奖励融入扩散过程，引导目标导向推理。在视觉-语言基准上，CoRAL 显著优于此前扩散方法，并与强自回归模型性能相当。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。