#今日论文推荐# 扩散模型又杀疯了，这一次被攻占的领域是...

#今日论文推荐# 扩散模型又杀疯了，这一次被攻占的领域是...

从2020年的初出茅庐，到2021年的日趋火热，再到2022年的大放异彩，扩散模型(Diffusion Models) 正在人工智能学术界和工业界获取越来越多的关注。
如果还不是特别了解扩散模型的朋友，可以阅读卖萌屋的几篇历史推文《扩散模型在图像生成领域大火，风头超过GAN？》，《年末回顾：2021年 AI 领域十大研究趋势及必读论文》。
扩散模型最早在图像生成领域大火，随后扩展到了其他连续域，例如语音、视频、点云数据，最近Google发布的用于文本到图像生成的GLIDE模型，更是让扩散模型从AI圈内火到了圈外。
不过，虽然扩散模型的热度极高，但是面向离散变量的扩散模型的性能一直欠佳，特别是在语言，图等结构当中。
最近，斯坦福大学自然语言处理研究组在利用扩散模型解决自然语言处理问题中取得了新的进展。
具体说来，在可控自然语言生成任务上，研究者们利用连续扩散模型，对预训练的语言生成模型进行可插拔的操控，就能够在许多任务上达到甚至超过Fine-Tuning的效果，大幅度超越了之前的工作。
这篇工作从方法和实验上都非常的新颖和扎实，短短一周就已经在Twitter上收获了千赞，在Github上收获了140个stars。
下面，就让我们一起来了解这篇扩散模型在语言领域的应用工作吧，说不定也能给你的领域带来启发呢~

论文题目：Diffusion-LM Improves Controllable Text Generation
详细解读：https://www.aminer.cn/research_report/62b3f99f7cb68b460fd9684fhttps://www.aminer.cn/research_report/62b3f99f7cb68b460fd9684f
AMiner链接：https://www.aminer.cn/?f=cs