扩散语言模型引热议：速度快但难任务通过率仅60%

2026年10月14日，掩码扩散语言模型成为社区讨论焦点。据 AGI Hunt 报道，该架构可在一次前向中并行预测多个未定位置，再按置信度逐步提交，速度可快一倍；但其难任务通过率仅约 60%，仍逊于自回归模型。报道指出其结构缺陷在于同一轮提交的位置无法互相作为依赖，因此难以处理需要位置间彼此关联的难题。同日，Comet 发布长文《Diffusion Language Models, From Scratch to Production》，从零到生产梳理该架构的各项取舍，并展望 2026 年语言模型架构方向。目前讨论集中在其速度优势与难任务表现之间的权衡。

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。