Radar ·
Diffusion-GR2 busca acelerar reranking
Publicado em 2 de julho de 2026, o relato apresenta Diffusion-GR2, um modelo de block diffusion para reranking com raciocínio generativo. Segundo o post, sua acurácia de ranking fica próxima à do modelo autoregressivo, com decoding de 2,4 a 3,5 vezes mais rápido.
Em 2 de julho de 2026, um post descreveu o Diffusion-GR2, que converte um reranker autoregressivo com raciocínio em um modelo de block diffusion. O trabalho explora decoding paralelo para reduzir o custo de inferência; o relato informa acurácia de ranking próxima à do modelo autoregressivo e decoding 2,4–3,5 vezes mais rápido.
Esses números são os resultados reportados pelo post, não uma verificação independente. Para avaliar o trabalho, consulte a publicação original e confira como ela define acurácia e velocidade, quais condições de teste foram usadas e se há resultados ou código que permitam reproduzir a comparação.
Fonte original: Diffusion-GR2 acelera reranking com raciocínio generativo