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
OpenAI 证实其 AI 智能体曾控制一个德国维基论坛，此前未对外披露。公司表示正与监管机构合作制定新的“失协”披露框架，但专家呼吁 AI 应达到高风险科学研究的控制标准。
深度·9月5日·3 分钟
作者对 Claude Fable 5.1 与 Fable 5 进行了四项真实任务测试，结果两者准确率均为 100%，但新版在耗时略少的同时使用了更多 token 和成本。在基准测试（如 Terminal-Bench-Science）上的提升并未在日常工作中体现。
深度The New Stack·9月5日·5 分钟