自回歸模型和擴(kuò)散模型的“專長”并不同，如果讓后者去挑戰(zhàn)前者所擅長的部分，會得到怎樣的結(jié)果？不妨來看看本文的分享。

縱觀生成式AI領(lǐng)域中的兩個主導(dǎo)者：自回歸和擴(kuò)散模型。

一個專攻文本等離散數(shù)據(jù)，一個長于圖像等連續(xù)數(shù)據(jù)。

如果，我們讓后者來挑戰(zhàn)前者的主場，它能行嗎？

斯坦福博士的最新研究，就搞了這么一個擴(kuò)散模型VS自回歸模的同臺PK。

結(jié)果：

挑戰(zhàn)成功?。ㄏ旅鏋樯墒疽鈭D，最后得到的文本是“Hello world，Iam a languagediffusionmodel，namedSEDD”）

并且他們的擴(kuò)散模型在困惑度和質(zhì)量上已率先超越自回歸的GPT-2。

趕緊來瞧瞧。

一、擴(kuò)散模型挑戰(zhàn)離散數(shù)據(jù)

用自回歸來處理離散文本數(shù)據(jù)，即根據(jù)之前的token來預(yù)測下一個token，這可能是目前我們能想象到的最簡單可行的方法。

為什么這么說？

作者在這里用GAN舉了個例子：

對于圖像生成，GAN首先根據(jù)隨機(jī)噪聲生成圖像，然后使用判別器來“懲罰”偏差，因此梯度信息可以反向傳播到生成器。

但如果我們假設(shè)用GAN來生成文本，就行不通了。

因為盡管我們可以定義同樣原理的生成器和判別器，但文本的離散性質(zhì)使得更新生成器非常難。

（圖像是連續(xù)的，因此可以通過反向傳播來計算梯度，但文本是一堆無法區(qū)分的離散值，計算梯度信號相當(dāng)繁瑣，基本只能粗略估計）

所以說，文本建模領(lǐng)域基本成了自回歸的天下（如transformer的發(fā)揚光大就是基于自回歸模型）。

不過，這個架構(gòu)也有根本性的缺陷：

最有名的“批評”來自Lecun，他就認(rèn)為自回歸transformer“注定要失敗”，因為生成會“偏離”數(shù)據(jù)分布并導(dǎo)致模型在采樣過程中發(fā)散。

除此之外，自回歸架構(gòu)的采樣也具有高度迭代性，這對為并行計算而高度優(yōu)化的GPU來說也不夠match。

最后，由于這類架構(gòu)的模型都是按照從左往右地完成任務(wù)，因此一次執(zhí)行多個控制任務(wù)也很困難（例如補(bǔ)充給定了前綴和后綴的文本）。

正是這些缺點促使作者開始構(gòu)思另一種概率模型，因此有了本文的主角：

分?jǐn)?shù)熵離散擴(kuò)散模型（SEDD，Score Entropy Discrete Diffusion）。

簡單來說，為了將擴(kuò)散模型擴(kuò)展到離散空間，就必須將“分?jǐn)?shù)函數(shù)”（也就是對數(shù)概率的梯度）概念推廣到離散空間。

幸運的是，有一種替代方案可以呈現(xiàn)具體分?jǐn)?shù)，即概率的局部比率。

如下圖所示，左邊為分?jǐn)?shù)函數(shù)，它直觀地“指向”連續(xù)空間中的較高密度區(qū)域，具體分?jǐn)?shù)（右）將其推廣到離散空間。

這些具體的比率（分?jǐn)?shù)）可以通過得分熵（score entropy）損失函數(shù)來學(xué)習(xí)，從而實現(xiàn)離散擴(kuò)散模型的快速、可擴(kuò)展訓(xùn)練。

在這之中，由于作者只知道可以使用得分熵從數(shù)據(jù)中學(xué)習(xí)具體得分（對應(yīng)于學(xué)習(xí)概率模型），但仍然不知道如何生成樣本。

因此還借用了擴(kuò)散模型的核心思想，并使用學(xué)習(xí)到的具體分?jǐn)?shù)將隨機(jī)值迭代地去噪為數(shù)據(jù)點。

為此，他們還定義了向離散文本樣本中“添加噪聲”的含義：

對于連續(xù)空間，這是通過添加高斯噪聲自然產(chǎn)生的，但在離散空間中，則是被迫直接在不同元素之間“跳躍”。

而最終，他們的SEDD模型通過學(xué)習(xí)將樣本不斷迭代去噪為文本，完成從純隨機(jī)輸入生成文本的任務(wù)。

二、超越GPT-2

總的來看，與自回歸模型相比，該擴(kuò)散模型可以在生成過程中利用完整的全局上下文，從而獲得更好的整體生成效果。

對比起來，自回歸模型特別是像GPT-2這樣的會發(fā)生“漂移”現(xiàn)象，從而破壞整體性能的穩(wěn)定性。

并且即使在較小的模型規(guī)模下，SEDD也能始終生成高質(zhì)量的文本（綠框，讀者很通順），而GPT-2就比較困難（紅框，一眼看上去就很多錯誤）。

具體測試中，SEDD在困惑度指標(biāo)上表現(xiàn)出了很強(qiáng)的競爭力：

此外，作者還發(fā)現(xiàn)：

使用更少的采樣步驟，SEDD照樣在控制生成質(zhì)量上的表現(xiàn)也比GPT-2要好。

最后，團(tuán)隊以完全零樣本的方式從任意位置提示SEDD后發(fā)現(xiàn)：對于標(biāo)準(zhǔn)（從左到右）和非標(biāo)準(zhǔn)（填充）提示方法，SEDD都可以與最好的GPT-2解碼方法一較高下。

如下圖所示：

提示標(biāo)記以藍(lán)色表示，不管它在前面中間還是結(jié)尾，SEDD都能夠生成有意義的文本。

三、Pika創(chuàng)始人是作者之一

本研究一共3位作者：

一作為斯坦福計算機(jī)專業(yè)博士生Aaron Lou，康奈爾本科畢業(yè)。

二作也是該校博士生Chenlin Meng。

她的名字不算陌生，Pika就是她（下圖右）和“學(xué)妹”郭文景一起創(chuàng)辦的。（Meng 2020年入學(xué)斯坦福，郭2021年入學(xué)）

看起來，一邊創(chuàng)業(yè)的她也一邊兼顧著學(xué)業(yè)。

最后，通訊作者為一二作的導(dǎo)師Stefano Ermon，他是斯坦福計算機(jī)科學(xué)系副教授。

論文地址：https://arxiv.org/abs/2310.16834

參考鏈接：

https://aaronlou.com/blog/2024/discrete-diffusion/

https://twitter.com/aaron_lou/status/1763242384958386306?s=20