# Un artículo presenta ALoDLM, un modelo de difusión adaptativo por token

> Un equipo de investigadores presenta ALoDLM, un modelo de lenguaje de difusión que asigna cómputo a cada token y supera en pruebas a modelos autorregresivos comparables.

Oossa · 2026-10-06 · https://oossa.com/es/alodlm-paper-proposes-token-adaptive-diffusion-language-models

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.

## Los hechos

- Artículo publicado el 6 de octubre de 2026 ("Tue Oct 06 2026")
- Modelos entrenados con 1.7 B y 8 B de parámetros

## 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.

## Fuentes y referencias

1. [ALoDLM: Adaptively Looped Diffusion Language Models](https://arxiv.org/abs/2610.04198) – arXiv, 2026-10-06

Última actualización: 2026-10-06