待验证50% 置信事实精确时间
掩码扩散语言模型（如LLaDA和Dream系列）在推理时从全掩码序列出发，通过多轮迭代逐步去掩码，每次并行地预测并写入多个位置的token。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
已验证扩散语言模型可以同时对整个序列的所有token进行并行预测与迭代优化，而非逐个输出78% 相似待验证三叶草模型采用 MoDE 架构的扩散语言模型路线，具备全局思维，通过多轮迭代生成结果。76% 相似待验证大语言模型采用自回归方式生成文本，每个token的产出依赖于之前所有token构成的上下文，遵循概率链式法则75% 相似待验证大语言模型推理的decode阶段每次只生成一个token，属于内存带宽受限操作，因为每生成一个token都必须将模型全部权重从内存加载一遍74% 相似待验证不同模型在推理、写作、编程、多语言等任务上各有所长，可通过多模型交叉验证让一个模型生成方案另一个审查漏洞73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134049API
curl https://kongchang.com/api/v1/knowledge/claims/1134049MCP
get_claim(id=1134049)