10月14日消息，苹果研究团队与俄亥俄州立大学联合发布论文，推出一种全新架构的语言模型——Few-Step Discrete Flow-Matching（FS-DFM）。

研究结果显示，该模型在生成长文本时的速度可达当前主流大语言模型的 128倍，同时在文本质量上仍保持甚至超越现有扩散类模型。

该模型采用了扩散（Diffusion）与流匹配（Flow-Matching）结合的新思路：

扩散模型可以同时生成多个token，再通过多轮迭代逐步“净化”成完整文本；

而流匹配模型进一步优化了扩散的过程，让模型几乎能“一步到位”生成高质量文本。

而当前AI语言模型（如ChatGPT、Claude、Gemini）普遍采用自回归（Autoregressive）架构，即一次只生成一个词（或token），每一步都依赖上一步的输出。

也就是说，FS-DFM不再逐字推敲，而是“整段生成—快速修正—成文输出”，只需8轮迭代，即可达到传统扩散模型需要上千步才能完成的写作效果。

在论文中指出，FS-DFM的加速秘密在于三层机制创新：

动态迭代预算（Adaptive Iteration Budget）：模型能自动调整每一轮 refinement 的深度，避免无效计算。

教师指导机制（Teacher-Guided Updates）：通过引入一个高精度“教师模型”，FS-DFM在每次迭代中都能更精准地更新词语，而不会“越修越乱”。

稳态收敛策略（Stable Step Optimization）：优化每轮迭代的步长，让模型在更少的步骤内收敛到理想结果。

研究者指出，这意味着 FS-DFM 在“轻量模型”领域可能掀起新的革命：用更小的算力，生成更长、更自然的文本。（转自AI普瑞斯）

更多AI资讯请点击：http://www.aipress.com.cn/