用扩散模型做序列标注，每步都做结构化推理，效果更好。

Diffusion-MF: Approximate Structured Diffusion for Sequence Labelling

• 在去噪过程中嵌入线性链条件随机场，实现每步结构化推理。
• 多语言词性标注、命名实体识别等任务上均达最优性能。
• 采用并行平均场加速，兼顾效率与精度，适合序列标注场景。

我们提出 Diffusion-MF，一种离散扩散序列标注模型，将线性链条件随机场（LCRF）嵌入去噪循环中。与以往扩散标注器不同，它在每一步都执行结构化推理；通过并行平均场（Mean-Field）实现高效计算。在多语言词性标注（POS）、CoNLL-2003 命名实体识别（NER）以及中文分词与词性标注联合任务中，Diffusion-MF 在所有实验设置下均取得最佳主指标结果。

原文摘要 · Abstract (English)

We introduce Diffusion-MF, a discrete diffu- sion sequence labeller that places a linear-chain conditional random field (LCRF) inside the denoising loop. Unlike prior diffusion labellers, it performs structured inference at every step; parallel Mean-Field makes this efficient. Across multilingual POS, CoNLL-2003 NER, and joint Chinese Segmentation and POS, Diffusion-MF achieves the best primary result across all experimental settings.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。