长篇：如何构建扩散语言模型地址：kuleshov-group.github.io/blog/blog/2026/how-to-build-a-diffusion-language-model/目前主流语言模型采用自回归方式：像写字一样从左到右逐个生成 token。它成熟可靠，但生成过程天然串行，而且已经输出的内容通常不能回头修改。扩散语言模型则借鉴图像扩散模型的思路：从一段被遮罩或随机扰动的文本开始，同时预测多个位置，经过若干轮去噪逐渐形成完整答案。它希望以并行生成换取更高速度，并通过反复修改获得全局一致性。