借助「结构化决策」思路把 DiffusionGemma 推理提速 3-10 倍

bodonoghue85 · x · 2026-09-17

开发者 mmastrac 借鉴 Jev 的思路为 Google Gemma DiffusionGemma 实现了 3-10 倍推理加速，并已合入其 diffgemma 仓库（PR #21）。

核心做法：扩散模型本身就在操作概率分布——若把响应中的结构化 token 固定住，即可大幅减少前向计算量。具体实现是把一条 JSON 问题 schema 注入系统消息，使 /v1/chat/completions 请求变成一次「打分式去噪前向」：答案模板被种入 canvas，每个标签槽位作为噪声，直接从该槽位的 logits 读取标签分布。这样每个问题的成本固定为一次前向，且每个槽位能双向条件于整个模板，模式类似 TypeSafe 的 Jev API（choice/score/yes-no 问题附带概率与置信度）。作者认为该思路也可引入 vLLM。