离散扩散并行采样加速 LLM 推理，无需草稿模型且无损
IFM · hf · 2026-09-08
IFM 在 Hugging Face 发布「Diffusion-augmented autoregressive language models」相关研究，提出用离散扩散权重蒸馏 + 专用采样器实现并行 token 采样，从而加速自回归 LLM 推理。
- 核心思路：在自回归骨架上叠加扩散式并行预测，多个 token 同时生成，摆脱逐 token 串行解码。
- 卖点：无损质量（不像投机采样那样有接受率损耗），且不需要 draft model，部署更简单。
- 宣称可获得 lossless 的推理加速，对推理服务成本与延迟优化有直接意义。
「Infra」频道最新
- 全同态加密 GPT-2 速通赛开跑:现纪录 3.031 秒/token — tensorqt · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- 斯坦福上线 GPU 超算 Marlowe，服务数据科学与 AI 研究 — StanfordHAI · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- Together 推出并行 LoRA 实验：多个实验共享同一批 GPU，免重复配置 — togethercompute · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27