IT之家 6 月 3 日消息，科技媒體 marktechpost 昨日（6 月 2 日）發(fā)布博文，報道稱英偉達聯(lián)合麻省理工學院（MIT）、香港大學，合作推出 Fast-dLLM 框架，大幅提升擴散模型（Diffusion-based LLMs）的推理速度。

擴散模型被認為是傳統(tǒng)自回歸模型（Autoregressive Models）的有力競爭者，采用雙向注意力機制（Bidirectional Attention Mechanisms），理論上能通過同步生成多個詞元（Multi-token Generation）加速解碼過程。

不過在實際應用中，擴散模型的推理速度往往無法媲美自回歸模型，每次生成步驟都需要重復計算全部注意力狀態(tài)，導致計算成本高昂。此外，多詞元同步解碼時，詞元間的依賴關系易被破壞，生成質量下降，讓其難以滿足實際需求。

IT之家援引博文介紹，英偉達組建的聯(lián)合團隊為解決上述瓶頸，研發(fā)了 Fast-dLLM 框架。該框架引入兩大創(chuàng)新：塊狀近似 KV 緩存機制和置信度感知并行解碼策略。

KV 緩存通過將序列劃分為塊（Blocks），預計算并存儲其他塊的激活值（KV Activations），在后續(xù)解碼中重復利用，顯著減少計算冗余。其 DualCache 版本進一步緩存前后綴詞元（Prefix and Suffix Tokens），利用相鄰推理步驟的高相似性提升效率。

而置信度解碼則根據設定的閾值（Confidence Threshold），選擇性解碼高置信度的詞元，避免同步采樣帶來的依賴沖突，確保生成質量。

Fast-dLLM 在多項基準測試中展現(xiàn)了驚人表現(xiàn)。在 GSM8K 數據集上，生成長度為 1024 詞元時，其 8-shot 配置下實現(xiàn)了 27.6 倍加速，準確率達 76.0%；在 MATH 基準測試中，加速倍數為 6.5 倍，準確率約為 39.3%；在 HumanEval 和 MBPP 測試中，分別實現(xiàn)了 3.2 倍和 7.8 倍加速，準確率維持在 54.3% 和基線水平附近。

整體來看，F(xiàn)ast-dLLM 在加速的同時，準確率僅下降 1-2 個百分點，證明其有效平衡速度與質量。這項研究通過解決推理效率和解碼質量問題，讓擴散模型在實際語言生成任務中具備了與自回歸模型競爭的實力，為未來廣泛應用奠定了基礎。

IT之家附上參考地址

• Fast-dLLM: Training-free Acceleration of Diffusion LLM by Enabling KV Cache and Parallel Decoding 論文

• Fast-dLLM: Training-free Acceleration of Diffusion LLM by Enabling KV Cache and Parallel Decoding 項目界面

廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。