亚马逊提出 ALoDLM：按 token 难度自适应分配循环深度

亚马逊提出 ALoDLM，用 token 级自适应隐式循环按难度分配扩散语言模型的去噪算力。训练时将 token 级计算调度建模为隐变量，用条件负证据下界（NELBO）联合学习预测与算力分配。在 1.7B 和 8B 两个规模上，ALoDLM 在 11 项基准的平均分超过所有受评 DLM 及对应 AR 基线，并保留快速并行解码。