已验证65% 置信事实精确时间

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

3

来源数

65%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

扩散语言模型崛起：DiffusionGemma实测速度碾压自回归模型

redditr/GoogleGeminiAI2026/7/11

相关事实

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77% 相似待验证离散扩散模型通过多步迭代、并行解析多个token来构建完整序列，与自回归模型的从左到右逐词生成不同77% 相似待验证循环语言模型（LoopLMs）通过在多个递归计算步骤之间复用同一套共享参数，能够在不显著增加参数量的前提下加深推理能力75% 相似待验证现代大语言模型采用自回归（Auto-regressive）方式生成代码，每次预测下一个Token只能参考已有上下文75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/497404

API

curl https://kongchang.com/api/v1/knowledge/claims/497404

MCP

get_claim(id=497404)