arXiv · cs.AI· Mohsen Fayyaz, Ali Modarressi, Daniel Israel, Lucas Bandarkar, Nanyun Peng·· 2 天前
扩散语言模型在不同任务和语言中的解码速度差异
Diffusion Language Models Change Speed Across Tasks and Languages
arXiv:2610.25835v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mohsen Fayyaz, Ali Modarressi, Daniel Israel, Lucas Bandarkar, Nanyun Peng
研究任务与主要进展
作者分析两种扩散语言模型在10项任务中的解码成本，发现复制或轻改输入较便宜，开放式生成成本更高，DiffusionGemma的故事生成每token所需前向次数超过语法纠错的三倍。结果还显示，高分词语言和错误答案消耗更多前向次数；按解码速度对候选答案加权，在不增加成本的情况下较多数投票最高提升4.2个百分点。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org