Semantic Layered Embedding Diffusion (SLED)는 트랜스포머 기반 아키텍처 내 계층적 의미의 표현을 재정의하여 다양한 언어 작업에서 향상된 문맥 일관성을 가능하게 하는 메커니즘입니다. SLED는 스펙트럼 분석을 기반으로 하는 다층 확산 프로세스를 도입하여 전역적 및 지역적 의미 일관성 간의 복잡한 균형을 달성합니다. 실험 결과는 perplexity와 BLEU 점수의 상당한 향상을 보여주며, 다국어 및 도메인 간 텍스트 생성을 포함한 다양한 도메인에 효과적으로 적응하는 SLED의 능력을 강조합니다. 가중 인접 행렬, 커널 기반 개선 및 동적 계층별 정규화를 통합하는 엄격한 수학적 프레임워크가 임베딩 확산 프로세스를 뒷받침합니다. 오류 분포 분석은 SLED가 다양한 벤치마크에서 기준 접근 방식을 능가하여 의미 정렬 및 일관성의 과제를 해결함을 보여줍니다. 확장성 연구는 다양한 모델 크기에 걸쳐 성능 향상이 일관되게 유지됨을 보여주며, 계산 효율과 언어 정밀도 간의 실용적인 균형을 반영합니다. 구현은 또한 정확도를 저해하지 않고 훈련 및 추론 단계에서 자원 소비를 줄이는 에너지 효율을 달성합니다. 정성적 사례 연구는 확장된 서술과 문맥 중심 시나리오에 대한 적응성을 더욱 검증하여 실제 응용 프로그램에 대한 메커니즘의 잠재력을 강조합니다. SLED는 임베딩 설계에 대한 다른 관점과 언어 모델링 발전에 대한 영향을 제공합니다.
