# ALoDLM शोधपत्र में टोकन-अनुकूल डिफ्यूज़न भाषा मॉडल का प्रस्ताव

> शोधकर्ताओं ने ALoDLM पेश किया है। यह डिफ्यूज़न भाषा मॉडल हर टोकन के लिए गणना का आवंटन करता है और बेंचमार्क में तुलनीय ऑटोरेग्रेसिव मॉडलों से बेहतर प्रदर्शन करता है।

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

Liancheng Fang और Zhuowei Li के नेतृत्व वाली टीम ने 6 अक्टूबर, 2026 को एक शोधपत्र जारी किया। इसमें ALoDLM का वर्णन है—यह डिफ्यूज़न भाषा मॉडल इस आधार पर गणना को समायोजित करता है कि हर टोकन का अनुमान लगाना कितना कठिन है। मॉडल छिपे हुए निरूपणों को बार-बार बेहतर बनाता है: आसान टोकनों को जल्दी तय कर देता है, जबकि कठिन टोकनों पर अधिक चरण लगाता है। 1.7 बिलियन और 8 बिलियन पैरामीटर वाले संस्करणों में प्रशिक्षित ALoDLM ने ग्यारह बेंचमार्क पर जाँचे गए सभी डिफ्यूज़न मॉडलों और समान आकार के ऑटोरेग्रेसिव आधार मॉडलों से बेहतर प्रदर्शन किया, और तेज़ समानांतर डिकोडिंग भी बनाए रखी।

## तथ्य

- शोधपत्र 6 अक्टूबर, 2026 को प्रकाशित हुआ ("Tue Oct 06 2026")
- मॉडल 1.7 B और 8 B पैरामीटर पर प्रशिक्षित किए गए

## यह क्यों मायने रखता है

अगर यह तरीका बड़े पैमाने पर भी कारगर साबित होता है, तो डेवलपर गति से समझौता किए बिना बेहतर गुणवत्ता वाला टेक्स्ट तैयार कर सकेंगे। इससे तेज़ और भरोसेमंद AI लेखन की ज़रूरत वाले ऐप्लिकेशनों को फायदा हो सकता है।

## स्रोत और संदर्भ

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

अंतिम अपडेट: 2026-10-06