扩散语言模型作为最优并行采样器：理论依据

本文为扩散语言模型（DLM）在更快推理方面的效率提供了理论基础。它表明，DLM，特别是当与Chain-of-Thought（CoT）结合使用时，可以用最优的顺序步骤数模拟任何并行采样算法。本文还强调了重新掩码和修订等功能对于优化空间复杂度和提高表达能力的重要性，并提倡将它们纳入DLM设计。

• •DLM在理论上是最优的并行采样器。
• •CoT增强了DLM的性能。
• •重新掩码和修订对于优化空间复杂度和表达能力至关重要。
• •本文为DLM的效率提供了理论依据。