IBM

Adaptive Multi-Step Lookahead Decoding for Diffusion Language Models

扩散语言模型的自适应多步前瞻解码

Yingqian Cui, Wei Deng, Lantao Mei, Hang Li, Charu C. Aggarwal, Hui Liu, Yue Xing

机构 * Michigan State University（密歇根州立大学） ； Morgan Stanley（摩根士丹利） ； IBM T.J. Watson Research Center（IBM 托马斯·J·沃森研究中心） 纠错

AI总结 研究针对扩散语言模型解码，提出自适应多步前瞻框架AdaLook，基于候选分数方差动态决定是否继续展开及进行分支扩展，避免不必要的深度展开，实验证明其在准确性和解码步骤权衡上优于现有一步前瞻解码方法。

Position: Quantum Program Generation Must Prioritize Validity Over Probabilistic Scaling

立场：量子程序生成必须优先考虑有效性而非概率缩放

Junhao Song, Yu Zhou, William Knottenbelt, Yudong Cao

机构 * IBM（IBM公司） ； DeepMind（深度思维公司） 纠错

AI总结 该论文指出将概率范式用于量子电路合成有误，因量子电路有语法语义差距，未经验证的训练使模型难掌握物理语义，有效子集随量子比特数指数衰减。提出转向以验证器为中心，集成多种元素到生成中，验证意识架构是可行途径，应编码特定规则而非仅靠模仿。

Comments Accepted to ICML 2026: https://openreview.net/forum?id=oX1vWuQ13y