Articles sur Masked Diffusion Models

Apple lance le premier modèle de diffusion de masques trimodaux pré-entraîné à partir de zéro, ce qui signifie que l'architecture de génération multimodale passe d'une modalité unique à une fusion native entièrement modale. En étudiant systématiquement les lois de mise à l’échelle et l’échantillonnage d’inférence, Apple explore des voies techniques permettant de s’éloigner du recours aux modèles de langage autorégressifs traditionnels.