Une équipe dirigée par Liancheng Fang et Zhuowei Li a publié le 6 oct. 2026 un article présentant ALoDLM, un modèle de langage à diffusion qui adapte le calcul en fonction de la difficulté à prédire chaque jeton. Le modèle affine de façon itérative ses représentations latentes : il fixe rapidement les jetons faciles à prédire et consacre davantage d’étapes aux plus difficiles. Entraîné avec 1.7 milliard et 8 milliards de paramètres, ALoDLM a surpassé tous les modèles à diffusion évalués ainsi que les modèles autorégressifs de même taille sur onze tests de référence, tout en conservant un décodage parallèle rapide.
Pourquoi c'est important
Si cette approche passe à l’échelle, les développeurs pourraient générer des textes de meilleure qualité sans sacrifier la vitesse, au bénéfice des applications qui ont besoin d’une rédaction par IA rapide et fiable.
