# ALoDLM: un modello linguistico a diffusione adatta i calcoli a ogni token

> I ricercatori presentano ALoDLM, un modello linguistico a diffusione che distribuisce i calcoli in base ai singoli token e supera modelli autoregressivi comparabili nei benchmark.

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

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.

## I fatti

- Studio pubblicato il 6 ottobre 2026 ("Tue Oct 06 2026")
- Modelli addestrati con 1.7 B e 8 B parametri

## 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.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-06