Uno 混合扩散 LLM 引争议:称超越同级,实测被质疑夸大
joao_gante · x · 2026-09-04
研究者 ssahoo 发布了名为 "Uno" 的新架构,旨在解决扩散 LLM 相对自回归(AR)模型的两大短板:质量更低、大批量下推理更慢。
Uno 的设计:
- 保留 LLM 的 AR 架构
- 每层拥有两组权重:AR 权重和 Diffusion 权重
- Diffusion 权重可从 AR 分布无损并行采样
宣称结果:速度超过所有投机解码方法(DFlash、EAGLE-3),质量超越所有扩散 LLM(Mercury 2、Diffusion Gemma、Llada)。论文、模型与代码均已放出。
争议:研究者 bodonoghue85 指出 "Beats ALL diffusion LLMs" 说法不实——在延迟-质量权衡上,Uno-Qwen 明显被 Mercury 2 和 DiffusionGemma Pareto 支配,且原稿 strangely 缺失 Uno 的 LCBv6 数据。
所属事件:Uno 扩散增强 LLM：无损并行生成，速度超 EAGLE-3(6 条相关)→
「研究」频道最新
- CMU 与 Meta 开源 TrackEverything：追踪长视频全部 3D 点 — AdamWHarley · 2026-10-21
- 开源婴儿脑连接工具包:vibe coding 串起皮层-电极-纤维追踪分析 — Dr_Alex_Crimi · 2026-10-21
- 伯克利获 Schmidt Sciences 资助：用 AI 破解抹香鲸与虎鲸语言 — begusgasper · 2026-10-21
- 斯坦福 CS336 第 6 讲:kernel 提速先少跑几趟显存 — stanfordnlp · 2026-10-21
- NVIDIA Cosmos3-H-Dreams：用生成式模拟让临床手术场景活起来 — Hugging Face Blog · 2026-10-21
- UIUC 论文：高分不等于会推理，LLM 换个表述就丢失推理规则 — UIUC-CS · 2026-10-21