Cola2开放连续潜变量语言模型权重，联合语义压缩与离散生成

Cola2将文本动态划分为语义片段，以连续潜变量压缩每段，再由块因果Diffusion Transformer生成潜变量块，最后通过带潜变量反馈的Token解码器输出文本。推理会将已提交文本重新编码，使连续与离散历史保持对齐。本次HF仓提供八个safetensors权重分片、分词器、配置、Transformers remote-code模块、八项评测的规范化JSONL及校验和；配套仓提供命令行、推理与评测入口，训练代码不在发布范围。模型以3460.3亿来源Token训练，论文自报八任务平均60.10，比较对象训练配方与Token口径不同，不能据此直接隔离架构收益。运行需要Python3.10+、PyTorch2.2+、Transformers4.51至4.x，建议使用支持BF16的CUDA，并显式启用trust_remote_code。它不是指令微调聊天助手，贪婪Token选择仍受潜变量高斯噪声影响，应固定随机生成器比较输出。代码采用Apache2.0；权重、分词器与第三方评测材料仍受各自条款约束，不能把代码许可外推给全部工件。