IXThinker·2025-09-29 11:50

杜克團隊DPad免訓練 擴散模型提速61倍

運算量與性能正相關，是大模型優化的慣常認知，杜克大學陳怡然團隊的新研究卻提出反例：擴散大語言模型主動減少運算，反而又快又準。新策略DPad毋須訓練即可挑出關鍵token。

反直覺發現

團隊發現，對於擴散大語言模型（dLLMs），只需關注少數如同「中獎彩票」的關鍵token，就能在推理時大幅提速，加速可達61倍至97倍，同時令模型更懂得格式、更聽從指令。