待验证50% 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
1
来源数
50%
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% 相似待验证大语言模型被优化为「最大化下一个token的预测准确率」，这使其天然倾向于生成「完整、自洽」的输出77% 相似待验证扩散模型可对整个序列并行去噪，而非像自回归模型那样逐字推进，理论上能提升生成吞吐量77% 相似待验证大语言模型通过自回归生成机制（autoregressive generation）逐token预测下一个输出，天然倾向于生成更完整而非更精简的代码77% 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/497404API
curl https://kongchang.com/api/v1/knowledge/claims/497404MCP
get_claim(id=497404)