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
作者用 Common Lisp 在 100 行代码内实现了一个 AI agent，核心循环仅 8 行。Agent 的唯一工具是 eval，它可以自行编写和运行代码，甚至通过 eval 定义新的工具函数（如 web search）。技能作为记忆存储在对话记录中，重启后可通过重读历史重新加载。
深度·7月12日·6 分钟
微软Agent Framework现在支持Go（公开预览版），提供工具调用、MCP支持和多代理协调等功能。Google的ADK已经在支持Go，而Anthropic和OpenAI的Agent SDK仍缺少Go官方支持。
深度The New Stack·7月11日·4 分钟