ALoDLM：自适应循环扩散语言模型，用 token 级计算分配缩小与 AR 模型的质量差距

ALoDLM 通过 token 自适应潜在循环替代均匀计算，按 token 难度分配算力，在 1.7B 和 8B 两个参数规模、十一个基准上平均得分超过所有评测的扩散语言模型及对应 AR 基线。该方法将 token 级计算调度建模为潜在变量并推导条件 NELBO，同时保留快速并行解码，在优化推理引擎下取得更优的质量-效率权衡。