Modelos de difusão são piores do que a autoregressão tradicional em tarefas de raciocínio? Esta pesquisa é bastante contraintuitiva, vale a pena ler com atenção.

O Prêmio de Melhor Artigo do ICML 2026 foi concedido ao artigo da equipe de Huang Gao da Tsinghua em colaboração com a Alibaba, apontando que a flexibilidade da geração em ordem arbitrária dos modelos de linguagem de difusão pode limitar o potencial em tarefas de raciocínio como matemática e programação, sendo que a geração da esquerda para a direita é mais concisa e melhora significativamente a precisão do raciocínio. O Prêmio de Teste do Tempo foi concedido ao artigo de 2016 da equipe do Google DeepMind, que propôs a arquitetura Asynchronous Advantage Actor-Critic (A3C), aumentando significativamente a eficiência do treinamento em aprendizado por reforço profundo.