ORL 让扩散语言模型并行解码提速约 6.9 倍

2026 年 10 月 16 日，AGI Hunt 报道称，Together AI、UIUC、斯坦福等机构联合发布 ORL（On-Policy Residual Learning）工作，目标是提升扩散语言模型（DLM）的并行解码效率。报道指出，该工作使扩散语言模型在单张 H100 上的吞吐提升约 6.9 倍。截至本条综述，这是关于该事件目前唯一的报道，报道中未进一步给出方法细节、评测设置或复现结果，也尚无其他来源作出补充、回应或提出不同数字，因此暂不存在前后报道不一致的情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。