研究团队提出扩散语言模型并行解码规则PACT
Start here
2026年11月4日，arXiv发布的研究提出了一种面向扩散语言模型的免训练并行解码提交规则PACT。该方法通过先抽取token、认证拟写入集合并拉开步内位置间距，能够以更少的前向传播次数达到现有规则的生成质量。在LLaDA与Dream系列的4款模型，以及HumanEval、MBPP、GSM8K、MATH500、IFEval等多项评测中，PACT不仅降低了模型的总计算成本，还显著减少了连续重复写词现象。
AI-generated from reports · Updated 9 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理PACT：扩散语言模型并行解码写入认证方法
研究提出免训练的扩散语言模型并行解码提交规则 PACT，通过先抽取 token、认证拟写入集合并拉开步内位置间距，以更少的前向传播次数达到现有规则的生成质量。在 LLaDA 与 Dream 系列 4 款模型及 HumanEval、MBPP、GSM8K、MATH500、IFEval 评测中，PACT 降低了总计算成本，并显著减少连续重复写词现象。
Story heat trend
Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.