arXiv · cs.AI· Xinsong Feng, Peng Du, Zhizhuo Yang, Daniel M. Bikel, Jiayun Wang, Haipeng Chen·· 2 天前
BLD通过压缩连续扩散与分支Token实现高效长序列生成
Denoising Blocks, Not Tokens: Efficient Compressed Continuous Diffusion with Branching Token Realization
arXiv:2610.09311v1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：Xinsong Feng, Peng Du, Zhizhuo Yang, Daniel M. Bikel, Jiayun Wang, Haipeng Chen
首次提交：2026-10-07 10:08
研究任务与主要进展
作者提出Branching Latent Diffusion（BLD），将1024个Token压缩为64个块潜变量，并让各潜变量通过并行AR分支生成Token。在相同GPU上，BLD相对同等规模ELF-L基线将生成FLOPs降低超过80倍、吞吐提升超过6倍；相对AR基线，吞吐提升超过6倍、延迟降低超过4倍。材料称其保持有竞争力的局部流畅性与多样性，但长程连贯性仍然困难；以上仅基于论文摘要。
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