# ALoDLM論文、トークンごとに計算量を調整する拡散言語モデルを提案

> 研究チームはALoDLMを発表した。トークンごとに計算量を割り当てる拡散言語モデルで、ベンチマークでは同規模の自己回帰モデルを上回った。

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

Liancheng Fang氏とZhuowei Li氏が率いる研究チームはOct 6, 2026、トークンごとの予測の難しさに応じて計算量を調整する拡散言語モデル「ALoDLM」を説明した論文を公開した。このモデルは潜在表現を反復的に洗練し、予測しやすいトークンは早い段階で確定する一方、難しいトークンにはより多くのステップを費やす。1.7 billionと8 billionのパラメーター数で学習したALoDLMは、11のベンチマークで、評価対象となったすべての拡散モデルと同規模の自己回帰モデルを上回り、並列デコードの高速性も保った。

## 事実

- 論文公開日：Oct 6, 2026（"Tue Oct 06 2026"）
- 学習したモデルのパラメーター数：1.7 Bおよび8 B

## なぜ重要か

この手法が大規模化できれば、開発者は速度を犠牲にせず、より質の高い文章生成を実現できる可能性がある。高速で信頼性の高いAIによる文章作成が求められる用途に役立つ。

## 出典と参考資料

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

最終更新: 2026-10-06