Uma equipe liderada por Liancheng Fang e Zhuowei Li publicou em 6 de outubro de 2026 um artigo que descreve o ALoDLM, um modelo de difusão de linguagem que ajusta o processamento de acordo com a dificuldade de prever cada token. O modelo refina iterativamente representações latentes, definindo primeiro os tokens fáceis e dedicando mais etapas aos mais difíceis. Treinado com 1.7 bilhão e 8 bilhões de parâmetros, o ALoDLM superou todos os modelos de difusão testados e os modelos autorregressivos de mesmo porte em onze benchmarks, mantendo a decodificação paralela rápida.
Por que importa
Se a abordagem puder ser ampliada, desenvolvedores poderão gerar textos de maior qualidade sem abrir mão da velocidade, beneficiando aplicações que precisam de escrita com IA rápida e confiável.
