新加坡国立大学发布离散扩散语言模型综述：突破自回归瓶颈，实现并行解码与动态感知

新加坡国立大学 xML 实验室的研究团队发布综述论文，系统回顾了离散扩散语言模型（dLLMs）与多模态模型（dMLLMs）的发展。相比传统自回归模型，离散扩散通过“掩码-去噪”机制实现并行解码、更强的输出可控性与动态感知能力。论文梳理了其理论基础、代表性模型及训练/推理优化技术，并指出其在多模态任务和跨领域应用中的潜力，标志着这一新兴范式正逐步走向成熟。
来源：https://mp.weixin.qq.com/s/hcIUmS-jUIVLOIfS7-1gtQ