该论文提出了一种新框架，用于评估大型语言模型，借鉴图像生成指标，揭示模型在开放式生成任务中的性能问题，并探讨生成样本质量与多样性之间的权衡。

使用Transition-aware weighted Denoising Score Matching（TDSM）训练带噪声标签的条件扩散模型，TDSM目标函数整合了得分网络的加权和，实验证明TDSM可以提高生成样本质量，改进生成性能。