Un equipo dirigido por Liancheng Fang y Zhuowei Li publicó el 6 de octubre de 2026 un artículo en el que describe ALoDLM, un modelo de lenguaje de difusión que ajusta el cómputo según la dificultad de predecir cada token. El modelo refina iterativamente las representaciones latentes: resuelve primero los tokens fáciles y dedica más pasos a los difíciles. Entrenado con 1.7 mil millones y 8 mil millones de parámetros, ALoDLM superó a todos los modelos de difusión evaluados y a los modelos autorregresivos de igual tamaño en once pruebas, sin renunciar a una decodificación paralela rápida.
Por qué importa
Si el enfoque puede ampliarse, los desarrolladores podrían generar textos de mayor calidad sin sacrificar velocidad, algo beneficioso para las aplicaciones que requieren una escritura con IA rápida y fiable.
