Zonkey: A Hierarchical Diffusion Language Model with Differentiable Tokenization and Probabilistic Attention
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Rozental, Alon |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Same Task, More Tokens: the Impact of Input Length on the Reasoning Performance of Large Language Models
par: Levy, Mosh, et autres
Publié: (2024)
par: Levy, Mosh, et autres
Publié: (2024)
Probabilistic Token Alignment for Large Language Model Fusion
par: Zeng, Runjia, et autres
Publié: (2025)
par: Zeng, Runjia, et autres
Publié: (2025)
Certain but not Probable? Differentiating Certainty from Probability in LLM Token Outputs for Probabilistic Scenarios
par: Toney-Wails, Autumn, et autres
Publié: (2025)
par: Toney-Wails, Autumn, et autres
Publié: (2025)
DashAttention: Differentiable and Adaptive Sparse Hierarchical Attention
par: Huang, Yuxiang, et autres
Publié: (2026)
par: Huang, Yuxiang, et autres
Publié: (2026)
SmartTrim: Adaptive Tokens and Attention Pruning for Efficient Vision-Language Models
par: Wang, Zekun, et autres
Publié: (2023)
par: Wang, Zekun, et autres
Publié: (2023)
One Token Is Enough: Improving Diffusion Language Models with a Sink Token
par: Zhang, Zihou, et autres
Publié: (2026)
par: Zhang, Zihou, et autres
Publié: (2026)
Probabilistic Lexical Manifold Construction in Large Language Models via Hierarchical Vector Field Interpolation
par: Pendleton, Clive, et autres
Publié: (2025)
par: Pendleton, Clive, et autres
Publié: (2025)
Attention Sinks in Diffusion Language Models
par: Rulli, Maximo Eduardo, et autres
Publié: (2025)
par: Rulli, Maximo Eduardo, et autres
Publié: (2025)
DiffuMask: Diffusion Language Model for Token-level Prompt Pruning
par: Zheng, Caleb, et autres
Publié: (2026)
par: Zheng, Caleb, et autres
Publié: (2026)
SparseD: Sparse Attention for Diffusion Language Models
par: Wang, Zeqing, et autres
Publié: (2025)
par: Wang, Zeqing, et autres
Publié: (2025)
Multi-Token Attention
par: Golovneva, Olga, et autres
Publié: (2025)
par: Golovneva, Olga, et autres
Publié: (2025)
HieraVid: Hierarchical Token Pruning for Fast Video Large Language Models
par: Guo, Yansong, et autres
Publié: (2026)
par: Guo, Yansong, et autres
Publié: (2026)
Impact of Preference Noise on the Alignment Performance of Generative Language Models
par: Gao, Yang, et autres
Publié: (2024)
par: Gao, Yang, et autres
Publié: (2024)
Remask, Don't Replace: Token-to-Mask Refinement in Diffusion Large Language Models
par: Yao, Lin
Publié: (2026)
par: Yao, Lin
Publié: (2026)
H-Net++: Hierarchical Dynamic Chunking for Tokenizer-Free Language Modelling in Morphologically-Rich Languages
par: Zakershahrak, Mehrdad, et autres
Publié: (2025)
par: Zakershahrak, Mehrdad, et autres
Publié: (2025)
Attention-Based Sampler for Diffusion Language Models
par: Zhou, Yuyan, et autres
Publié: (2026)
par: Zhou, Yuyan, et autres
Publié: (2026)
Rethinking Token Prediction: Tree-Structured Diffusion Language Model
par: Wu, Zihao, et autres
Publié: (2026)
par: Wu, Zihao, et autres
Publié: (2026)
Targeted Remasking: Replacing Token Editing with Token-to-Mask Refinement in Discrete Diffusion Language Models
par: Yao, Lin
Publié: (2026)
par: Yao, Lin
Publié: (2026)
Adaptive Targeted Dynamic Chunking for Tokenization-Free Hierarchical Model
par: Dang, Thang, et autres
Publié: (2026)
par: Dang, Thang, et autres
Publié: (2026)
Multimodal Latent Language Modeling with Next-Token Diffusion
par: Sun, Yutao, et autres
Publié: (2024)
par: Sun, Yutao, et autres
Publié: (2024)
Differentially Private Next-Token Prediction of Large Language Models
par: Flemings, James, et autres
Publié: (2024)
par: Flemings, James, et autres
Publié: (2024)
MBTSAD: Mitigating Backdoors in Language Models Based on Token Splitting and Attention Distillation
par: Ding, Yidong, et autres
Publié: (2025)
par: Ding, Yidong, et autres
Publié: (2025)
CobwebTM: Probabilistic Concept Formation for Lifelong and Hierarchical Topic Modeling
par: Singaravadivelan, Karthik, et autres
Publié: (2026)
par: Singaravadivelan, Karthik, et autres
Publié: (2026)
Problematic Tokens: Tokenizer Bias in Large Language Models
par: Yang, Jin, et autres
Publié: (2024)
par: Yang, Jin, et autres
Publié: (2024)
EntropyCache: Decoded Token Entropy Guided KV Caching for Diffusion Language Models
par: Cheong, Minsoo, et autres
Publié: (2026)
par: Cheong, Minsoo, et autres
Publié: (2026)
Token Perturbation Guidance for Diffusion Models
par: Rajabi, Javad, et autres
Publié: (2025)
par: Rajabi, Javad, et autres
Publié: (2025)
PAINT: Paying Attention to INformed Tokens to Mitigate Hallucination in Large Vision-Language Model
par: Arif, Kazi Hasan Ibn, et autres
Publié: (2025)
par: Arif, Kazi Hasan Ibn, et autres
Publié: (2025)
Just on Time: Token-Level Early Stopping for Diffusion Language Models
par: Kohut, Zahar, et autres
Publié: (2026)
par: Kohut, Zahar, et autres
Publié: (2026)
Beyond Hard Masks: Progressive Token Evolution for Diffusion Language Models
par: Zhong, Linhao, et autres
Publié: (2026)
par: Zhong, Linhao, et autres
Publié: (2026)
Rethinking Tokenization: Crafting Better Tokenizers for Large Language Models
par: Yang, Jinbiao
Publié: (2024)
par: Yang, Jinbiao
Publié: (2024)
Blockwise SFT for Diffusion Language Models: Reconciling Bidirectional Attention and Autoregressive Decoding
par: Sun, Bowen, et autres
Publié: (2025)
par: Sun, Bowen, et autres
Publié: (2025)
HIGHT: Hierarchical Graph Tokenization for Molecule-Language Alignment
par: Chen, Yongqiang, et autres
Publié: (2024)
par: Chen, Yongqiang, et autres
Publié: (2024)
The Path Matters: Learning a Token-Commitment Policy for Diffusion Language Models
par: Sun, Bohang, et autres
Publié: (2026)
par: Sun, Bohang, et autres
Publié: (2026)
Disentangling Reasoning Tokens and Boilerplate Tokens For Language Model Fine-tuning
par: Ye, Ziang, et autres
Publié: (2024)
par: Ye, Ziang, et autres
Publié: (2024)
A Hierarchical Probabilistic Framework for Incremental Knowledge Tracing in Classroom Settings
par: Gao, Xinyi, et autres
Publié: (2025)
par: Gao, Xinyi, et autres
Publié: (2025)
Stack Attention: Improving the Ability of Transformers to Model Hierarchical Patterns
par: DuSell, Brian, et autres
Publié: (2023)
par: DuSell, Brian, et autres
Publié: (2023)
Multiscale Aggregated Hierarchical Attention (MAHA): A Game Theoretic and Optimization Driven Approach to Efficient Contextual Modeling in Large Language Models
par: Erden, Caner
Publié: (2025)
par: Erden, Caner
Publié: (2025)
Express Your Doubts -- Probabilistic World Modeling Should not be Based on Token logprobs
par: Wagner, Eitan, et autres
Publié: (2025)
par: Wagner, Eitan, et autres
Publié: (2025)
Token-weighted Direct Preference Optimization with Attention
par: Huang, Chengyu, et autres
Publié: (2026)
par: Huang, Chengyu, et autres
Publié: (2026)
DP-Fusion: Token-Level Differentially Private Inference for Large Language Models
par: Thareja, Rushil, et autres
Publié: (2025)
par: Thareja, Rushil, et autres
Publié: (2025)
Documents similaires
-
Same Task, More Tokens: the Impact of Input Length on the Reasoning Performance of Large Language Models
par: Levy, Mosh, et autres
Publié: (2024) -
Probabilistic Token Alignment for Large Language Model Fusion
par: Zeng, Runjia, et autres
Publié: (2025) -
Certain but not Probable? Differentiating Certainty from Probability in LLM Token Outputs for Probabilistic Scenarios
par: Toney-Wails, Autumn, et autres
Publié: (2025) -
DashAttention: Differentiable and Adaptive Sparse Hierarchical Attention
par: Huang, Yuxiang, et autres
Publié: (2026) -
SmartTrim: Adaptive Tokens and Attention Pruning for Efficient Vision-Language Models
par: Wang, Zekun, et autres
Publié: (2023)