仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
大家好，我是Ai学习的老章
看Apple刚刚开源了一个7B的DiffuCoder大模型
Apple这个有空再细看
这倒让我想起5月Google开源的GeminiDiffusion，当时就申请了Waitlist，很久没打开Gmail，发现5月29就收到access的邮件了
Diffusion不是新鲜概念，后来OpenAI的DALL·E2和Google的Imagen等文生图模型问世后，DiffusionModels重新火起来。
但是把生成式模型用于文本生成是最近的小热点，Mercury，LLaDA-8B，Dream7B，gemini-diffusion，AppleDiffuCoder都来了
传统的自回归语言模型一次生成一个单词（或词元）的文本，这种顺序过程可能会很缓慢，并且会限制输出的质量和连贯性。
速度有多快呢？GeminiDiffusion的介绍：
1479个词元/秒
0. 84秒
扩散模型的工作方式有所不同，它们不是直接预测文本，而是通过逐步优化噪声来学习生成输出。
这意味着它们可以非常快速地对解决方案进行迭代，并在生成过程中纠正错误。这有助于它们在编辑等任务中表现出色，包括在数学和代码方面。
GeminiDiffusion是GoogleDeepmind团队的产品，官方介绍优势如下：
快速响应：生成内容的速度远超我们迄今为止最快的模型
文本连贯性更强：一次性生成完整词块，这意味着相比自回归模型，它能更连贯地回应用户提示
支持迭代优化：在生成过程中纠正错误，以获得更一致的输出。
目前依然需要waitlist才能使用
十几天后才收到邮件
使用地址：https ://deepmind. google.com/frontiers/gemini-diffusion
实测速度真TM的快，眼球👀跟不上
这里我借用MiniMax的测试提示词，并给出minimax与GeminiDiffusion生成结果对比
MiniMax
GeminiDiffusion
MiniMax
GeminiDiffusion
MiniMax
GeminiDiffusion
其实我还测试了几个中文相关的非代码类任务，弱鸡的很
目前感觉，它最强优势就是一个字☝️：快！
制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个🌟，谢谢你看我的文章，我们下篇再见！
搭建完美的写作环境：工具篇（12章）图解机器学习-中文版（72张PNG）ChatGPT、大模型系列研究报告（50个PDF）108页PDF小册子：搭建机器学习开发环境及Python基础116页PDF小册子：机器学习中的概率论、统计学、线性代数史上最全！371张速查表，涵盖AI、ChatGPT、Python、R、深度学习、机器学习等
