亚马逊提出ALoDLM自适应循环深度扩散语言模型

2026年10月6日，AGI Hunt 报道称亚马逊提出 ALoDLM：一种在扩散语言模型中用 token 级自适应隐式循环、按 token 难度分配去噪算力的方法。报道称，训练时将 token 级计算调度建模为隐变量，通过条件负证据下界（NELBO）联合学习预测与算力分配。报道提到，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 以及对应的 AR 基线，并保留快速并行解码能力。目前该事件仅有这一篇报道，尚无后续或第三方复现信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。