# ALoDLM : un modèle de langage à diffusion adaptatif par jeton

> Des chercheurs présentent ALoDLM, un modèle de langage à diffusion qui répartit le calcul en fonction de chaque jeton et dépasse des modèles autorégressifs comparables aux tests de référence.

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

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.

## Les faits

- Article publié le 6 oct. 2026 (« Tue Oct 06 2026 »)
- Modèles entraînés avec 1.7 B et 8 B paramètres

## 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.

## Sources et références

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

Dernière mise à jour: 2026-10-06