Multilingual Diffusion Model for Text and Cross-Lingual Generation

Diffusionsmodelle lernen, Daten zu erzeugen, indem sie schrittweise einen Prozess der Rausch-Injektion umkehren: Sie werden trainiert, Rauschen schrittweise zu entfernen, bis kohärenter Inhalt entsteht. Eine mehrsprachige Variante baut darauf auf, indem sie den latenten Raum an eine gemeinsame sprachübergreifende Repräsentation – wie mehrsprachige Satz-Embeddings oder einen mehrsprachigen Encoder – anbindet, sodass die Denoising-Trajektorie nicht von der Oberflächenform einer einzelnen Sprache, sondern von einem sprachunabhängigen semantischen Signal geleitet wird. Das Ergebnis ist ein generatives Modell, das Prompts oder Bedingungen in einer Sprache akzeptieren und flüssige Ausgaben in einer anderen erzeugen kann oder qualitativ hochwertigen Text in mehreren Sprachen aus einem einzigen Modell generiert.