Les modèles de diffusion sont-ils moins performants que l'autorégression traditionnelle dans les tâches de raisonnement ? Cette étude est assez contre-intuitive et mérite d'être lue attentivement.

Le prix du meilleur article de l'ICML 2026 a été décerné à l'équipe de Huang Gao de l'Université Tsinghua en collaboration avec Alibaba, indiquant que la flexibilité des modèles de langage diffusifs pour la génération dans un ordre arbitraire peut limiter le potentiel des tâches de raisonnement telles que les mathématiques et la programmation, tandis que la génération de gauche à droite est plus concise et améliore significativement la précision du raisonnement. Le prix du test du temps a été décerné à l'article de 2016 de l'équipe Google DeepMind, proposant l'architecture Asynchronous Advantage Actor-Critic (A3C), qui améliore considérablement l'efficacité de l'entraînement en apprentissage par renforcement profond.