Un gruppo guidato da Liancheng Fang e Zhuowei Li ha pubblicato il 6 ottobre 2026 uno studio su ALoDLM, un modello linguistico a diffusione che adatta i calcoli in base alla difficoltà di prevedere ciascun token. Il modello perfeziona iterativamente le rappresentazioni latenti, fissando prima i token più semplici e dedicando più passaggi a quelli più difficili. Addestrato con 1.7 miliardi e 8 miliardi di parametri, ALoDLM ha superato tutti i modelli a diffusione testati e i modelli autoregressivi di pari dimensioni in undici benchmark, mantenendo al contempo una decodifica parallela rapida.
Perché conta
Se l’approccio riuscirà a scalare, gli sviluppatori potrebbero ottenere una generazione di testo di qualità superiore senza rinunciare alla velocità, a vantaggio delle applicazioni che richiedono una scrittura AI rapida e affidabile.
