# Artigo propõe modelo de difusão de linguagem adaptável a cada token

> Pesquisadores apresentam o ALoDLM, modelo de difusão de linguagem que distribui o processamento por token e supera modelos autorregressivos comparáveis em benchmarks.

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

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.

## Os fatos

- Artigo publicado em 6 de outubro de 2026 ("Tue Oct 06 2026")
- Modelos treinados com 1.7 B e 8 B parâmetros

## 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.

## Fontes e referências

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

Última atualização: 2026-10-06