研究者提出TraceQuery：扩散语言模型稀疏解码框架

Yukai Jin 等研究者在 arXiv 发布论文，提出面向扩散大语言模型（dLLM）的轻量级稀疏解码框架 TraceQuery（arXiv:2610.33008）。该方法基于“缓存生成在贴近全去噪轨迹时保持准确”的发现，用轨迹监督预测少量近期与轨迹相关的位置，仅对这些候选位置做新计算，再由模型骨干从中选择提交的结果。 论文称，TraceQuery 在缓存类方法中取得最强的质量-计算权衡，以明显更少的新增 token 计算量保持高准确率，并可跨任务、模型变体和模型族泛化。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。