拡散言語モデルは最適な並列サンプラー：理論的根拠

この論文は、より高速な推論のための拡散言語モデル（DLM）の効率性について、理論的根拠を提供しています。特にChain-of-Thought（CoT）を付加したDLMが、最適な逐次ステップ数で任意の並列サンプリングアルゴリズムをシミュレートできることを示しています。また、最適な空間計算量と表現力の向上には、リマスキングやリビジョンのような機能が重要であり、DLM設計への組み込みを提唱しています。

• •DLMは理論的に最適な並列サンプラーである。
• •CoTはDLMの性能を向上させる。
• •リマスキングとリビジョンは、最適な空間計算量と表現力に不可欠である。
• •この論文は、DLMの効率性に対する理論的根拠を提供する。