text-generation

NemoStation/Marlin-2B 是基于 Qwen3.5-2B 微调的模型，用于视频-文本到文本任务，支持视频字幕生成和时间定位。

本文介绍了轨迹塑造离散流匹配（TS-DFM），该方法以引导式导航取代盲目随机跳跃，显著提升了文本生成效率并降低了计算成本。与传统多步基线相比，该方法在保持推理成本不变的同时，实现了更低的困惑度和更快的速度。

Cola DLM 是一种分层潜在扩散语言模型，它通过文本到潜空间的映射以及条件解码，实现高效且非自回归的文本生成。

犹他州立大学和范德堡大学的研究人员对GPT-4、Gemini 1.5 Pro、DeepSeek-V3、Llama 3.2与BERT在三大社交媒体任务——作者身份验证、帖子生成与用户属性推断——进行了基准测试，引入新的采样方案与分类体系以减少偏差，打造可复现的评测基准。

# 论文页面 - MedConclusion：基于结构化摘要的生物医学结论生成基准 来源：[https://huggingface.co/papers/2604.06505](https://huggingface.co/papers/2604.06505) ## 摘要 一个用于生物医学结论生成的大规模数据集，包含570万条PubMed结构化摘要，旨在评估大型语言模型基于结构化科学证据进行推理的能力。[大型语言模型](https://huggingface.co/papers?q=Large%20langu

本文反思了文本生成的历史，在现代大语言模型（如 GPT-4）与豪尔赫·路易斯·博尔赫斯和克劳德·香农的早期概念之间建立了联系。文章探讨了香农的概率实验以及博尔赫斯“巴别图书馆”的隐喻，如何有助于阐明关于生成文本本质和数据结构的根本问题。

本页详细介绍了GPT-2，这是一个基于Transformer的语言模型，经过英语文本预训练用于文本生成，可在Hugging Face上获取，并附有使用说明和示例。

本文解释了Anthropic如何在Claude中实现文本水印以符合EU AI Act，详细说明该方法的技术方面及其对输出质量的影响。

Google 推出 Gemini Omni，一种新的多模态 AI 模型，能够从任何输入类型处理并生成跨越文本、图像、音频和视频的内容。