LLaDA 2.2 在 BFCL 和 SWE-bench 上给出高吞吐成绩
FellMentKE · x · 2026-07-24
LLaDA 2.2 把扩散式 LLM 往 agent 方向再推一步
帖子称 LLaDA 2.2 是一款 面向 agent 的 MoE 扩散式大模型，核心改动是通过 Levenshtein editing（删除、插入、替换）实现解码过程中的自我纠错。作者的判断是：对 agent 来说，真正的瓶颈不是 block-parallel decoding，而是误差累积。
公开的性能数据
- BFCL-V4 function calling：703.82 TPS
- SWE-bench Verified coding：519.0 TPS
- 相比自回归模型，BF16 吞吐提升 1.64 倍
这条内容把它定位为一个面向 AI agents 的高吞吐、低延迟引擎，并附了 GitHub、Hugging Face 和技术报告链接。
所属事件:inclusionAI 发布 LLaDA2.2-flash：100B 扩散模型专攻 Agent 提速(9 条相关)→
「模型」频道最新
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27
- ChatGPT 爬虫样例代码被实测：完全剔除所有 Schema 标记 — VeryWellVersed · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27