待验证50% 置信事实精确时间
连续扩散语言模型（dLLM）是一类将扩散模型应用于文本生成的模型，在连续隐空间中通过去噪过程生成文本，其隐空间到文本的映射是学习到的而非随机的。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
待验证连续扩散语言模型（CDLM）将文本映射到连续嵌入空间执行扩散过程，最后再解码回离散文本，而非直接在离散token上做扩散79% 相似待验证扩散语言模型（DLM）通过双向注意力与迭代去噪生成整段文本，控制信息可从序列任意位置介入。78% 相似待验证论文《Diffusion-LM Improves Controllable Text Generation》将扩散模型迁移到离散文本上以实现可控生成，被公认为扩散语言模型方向的开山之作73% 相似待验证扩散语言模型（dLLM）支持双向注意力和任意顺序生成，不必像GPT那样从左到右逐个输出token71% 相似待验证vLLM专为大语言模型设计，通过PagedAttention等技术提升LLM的吞吐量和显存利用率69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1088165API
curl https://kongchang.com/api/v1/knowledge/claims/1088165MCP
get_claim(id=1088165)