✍️ 文本生成

🧪 ICML2026 · 2 篇论文解读

📌 同领域跨会议浏览： 💬 ACL2026 (17) · 🔬 ICLR2026 (3) · 🤖 AAAI2026 (2) · 📹 ICCV2025 (1) · 💬 ACL2025 (26) · 📷 CVPR2025 (1)

Characterizing the Effect of Noise in Language Generation in the Limit

在 Kleinberg-Mullainathan 的"语言极限生成"形式化框架下，本文证明了对于均匀和非均匀生成，噪声水平 1 与任意有限噪声水平 \(i \geq 1\) 等价（层级坍缩），但无噪声与噪声 1 之间存在严格分离，并首次给出了非均匀噪声依赖可生成性的完整刻画。

Score-Repellent Monte Carlo: Toward Efficient Non-Markovian Sampler with Constant Memory in General State Spaces

SRMC 用一个 \(d\) 维的 running score 平均（而不是 \(|\mathcal{X}|\) 维的经验测度）来记录历史，再通过指数 score-tilt 把这段历史折成一个"排斥已访问区域"的代理目标 \(\pi_\theta\)，套在任何 base MCMC kernel 外面，就能在通用状态空间下用常数内存实现非马尔可夫、低方差、保持归一化无关性的采样器。