Een team onder leiding van Liancheng Fang en Zhuowei Li publiceerde op 6 okt. 2026 een paper over ALoDLM, een diffusiemodel voor taal dat de rekenkracht aanpast aan de moeilijkheid om elk token te voorspellen. Het model verfijnt latente representaties in meerdere stappen: eenvoudige tokens worden vroeg vastgelegd, terwijl moeilijkere tokens meer stappen krijgen. ALoDLM is getraind met 1.7 miljard en 8 miljard parameters en presteerde op elf benchmarks beter dan alle geteste diffusiemodellen en autoregressieve basismodellen van dezelfde omvang, terwijl het snel parallel kon decoderen.
Waarom het ertoe doet
Als de aanpak schaalbaar blijkt, kunnen ontwikkelaars tekst van hogere kwaliteit genereren zonder snelheid in te leveren. Dat is gunstig voor toepassingen die snelle, betrouwbare AI-teksten nodig hebben.
