DMax：扩散语言模型的激进并行解码
深度2026年4月13日26 分钟阅读
DMax通过创新的“策略内均匀训练”和“软并行解码”技术，使扩散语言模型能够从自身错误预测中恢复，实现了质量与速度的双重突破。这项研究为大规模语言模型的高效推理提供了新思路，特别适合关注模型加速、并行计算和扩散模型的AI研究人员与工程师阅读。
本文编译自 DMax: Aggressive Parallel Decoding for dLLMs，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Goodfire 推出一种新型 AI 智能体监控方案，通过探针读取模型内部激活信号而非重读输出，在 Kimi K3 测试中监控约 1500 次会话仅需 51 美元，远低于传统方案的 233 至 10000 美元，同时捕获 94% 的恶意黑客会话。该技术已通过 Baseten 向客户提供，针对开源模型缺乏安全护栏的问题。
深度·10月8日·4 分钟
作者把自己的 Azure 凭证交给编程 Agent，实测了鉴权、授权、权限范围和审计覆盖的真实状态。借来的凭证让审计日志只认人不认 Agent，还悄悄继承了人累积的组权限（而标准权限检查根本看不到这些）。即使换成配置规范的服务账号，问题依然存在：数据库无法区分调用者是谁。
深度The New Stack·10月8日·12 分钟