機器之心編輯部

「語言是離散的，但語言模型不一定是。」

去年，一個名為 LLaDA 的項目在 AI 圈引發了不小的討論。這個基于「掩碼擴散」原理的語言模型，宣稱在若干基準測試上能與同規模的自回歸大模型（即 GPT 為代表的逐字生成模型）一較高下。

消息一出，擴散語言模型（Diffusion Language Model，DLM）這個此前略顯小眾的研究方向，突然進入了更多人的視野。

我們知道，文字是離散的 token，而擴散模型天然擅長處理連續數據，這讓視覺生成領域的主流技術，天然地難以運用在語言大模型上。

而在 LLaDA 說明擴散模型可行后，各路團隊相繼跟進。研究者們普遍承認，擴散模型在文本生成上確實大有潛力 —— 它天然支持并行解碼，理論上可以比逐字輸出的自回歸模型快得多，也更容易實現「填空」、「雙向修改」等自回歸模型難以完成的任務。

在這一大方向上，研究者走出了兩條路：

• 離散擴散語言模型（Discrete DLM）：直接在 token 空間里定義擴散過程，比如用 MASK 遮蓋 token 再逐步還原（MDLM）、或者把 token 往均勻分布擴散再逐步修正（Duo）。這條路近年來一直是主流，效果更好。
• 連續擴散語言模型（Continuous DLM）：先把 token 映射到連續的嵌入向量，在連續空間里做去噪，最后再轉回 token。這條路理論上更優雅，但實際效果長期落后于離散派。

何愷明團隊的這篇新論文則選擇了明顯更加困難的后者。

他們提出的模型叫做ELF（Embedded Language Flows，嵌入式語言流），核心思路只有一句話：把擴散過程搬進連續的向量空間，只在最后一步才把結果翻譯成詞

論文共一作者 Linlu Qiu 的推文

實驗結果顯示，這個思路不僅可行，效果還出人意料地好：用不到其它方法十分之一的訓練數據，生成質量就已經全面領先。

• 論文標題：ELF: Embedded Language Flows
• 論文地址：https://arxiv.org/pdf/2605.10938v1
• 代碼倉庫：https://github.com/lillian039/ELF

何愷明的答案：只在最后一步變成詞

這篇論文來自 MIT 的一支八人團隊，其中兩位是共同第一作者（胡珂雅和 Linlu Qiu），通訊作者則是計算機視覺領域的標志性人物之一 ——何愷明

何愷明的名字，對于稍微了解深度學習歷史的讀者并不陌生。2015 年，他在微軟亞洲研究院提出了殘差網絡（ResNet），一舉解決了深層神經網絡難以訓練的瓶頸，這篇論文至今仍是 AI 領域被引用次數最多的論文之一，其提出的殘差連接結構已滲透進 Transformer、AlphaGo Zero、AlphaFold 等幾乎所有現代 AI 系統。2024 年，他從 Meta AI 加盟 MIT，開始系統研究生成模型。

「我看到何愷明的論文，我就點進去。」

ELF，是這支團隊迄今在語言生成方向上最獨具一格的創新。

既然擴散模型最擅長處理連續空間，何不讓它在連續空間里走完整段旅程，只在終點才做一次「翻譯」？

具體來說，ELF 的做法是這樣的：

首先，把一句話的每個詞，通過一個預訓練好的編碼器（論文中使用的是 T5 編碼器），轉換成一組連續的高維向量。這個向量不只代表單個詞，而是捕捉了上下文語義的「語境嵌入」。

然后，用「流匹配」（Flow Matching），一種近年在圖像生成中大行其道的連續擴散框架，在這些向量上做去噪：從一團高斯噪聲出發，沿著學到的速度場，一步步把噪聲推向干凈的嵌入向量。

最后，也只有在最后這一步，ELF 才把去噪后的連續向量，通過一個「反嵌入層」映射回詞匯表，輸出具體的詞。

與之前的連續擴散語言模型不同的是，ELF 在整個去噪過程中，從不中途把連續向量變回到詞的空間。不打斷流動的連續性，讓擴散動力學有最大的自由度。而正因為全程都在向量空間里，圖像擴散領域開發的各種技術可以幾乎原封不動地搬進來使用，比如「無分類器引導」（Classifier-Free Guidance，CFG）。

一個網絡，兩種模式

ELF 設計上另一個值得一提的巧思，是用一個網絡同時承擔「去噪」和「解碼」兩個功能，靠一個「mode token」來切換。

訓練時，同一個網絡的 80% 時間用于學習去噪（MSE 損失），剩下 20% 時間學習如何把最終的嵌入向量映射回詞（交叉熵損失）。

推理時，在最后一步之前，網絡一直處于去噪模式；到了最后時刻，它切換成解碼模式，將連續向量翻譯成詞輸出。這樣，不需要額外訓練一個獨立的解碼器，整個流程簡潔而統一。

此外，ELF 還引入了「自條件」（Self-Conditioning）機制：網絡在每一步去噪時，可以把自己上一步的預測結果當作參考輸入，而不是從零開始猜測。這不僅提高了生成質量，還為 CFG 提供了現成的「條件信號」來源，幾乎不帶來額外的計算負擔。

實驗結果：用十分之一的訓練量，碾壓對手

論文的實驗結果很有說服力。

研究者選取的基準測試，是擴散語言模型領域通行的標準設定：在 OpenWebText 語料庫上訓練，用生成困惑度（Generative Perplexity，值越低越好，代表生成文本越流暢自然）和詞匯熵（Entropy，值越高越好，代表生成多樣性越豐富）衡量質量。

ELF 只用了 32 個采樣步數就達到了困惑度 24。 相比之下，目前主流的離散擴散語言模型（MDLM、Duo 等）即便經過專門的「蒸餾」訓練來加速推理，在同等步數下的表現也不及 ELF，而 ELF 完全沒有做蒸餾。

訓練成本的差距更加懸殊。論文統計，MDLM、Duo、FLM 等主流方法各自使用了約 5000 億個 Token 的訓練數據，ELF 只用了約 450 億 ——大約是它們的十分之一

在更具實際意義的條件生成任務上，ELF 同樣表現突出。在 WMT14 德英機器翻譯基準上，ELF 取得了 26.4 的 BLEU 分數，超過了同等規模的自回歸模型（25.2）以及 MDLM（18.4）、CDCD（24.9）等對手。在 XSum 新聞摘要任務上，ELF 在 ROUGE-1、ROUGE-2、ROUGE-L 三項指標上也均居首位。

過去兩年，擴散語言模型的研究進展幾乎都集中在離散空間 —— 更精巧的掩碼策略、更高效的解碼方式、更大規模的訓練。連續擴散路線因為與語言「離散本質」之間存在天然張力，一直處于相對邊緣的位置。

ELF 的出現，提供了一個不同的參照點：連續擴散不是語言建模的障礙，而可能是一個尚未充分開發的優勢所在。連續空間里的流動更平滑，更容易借用圖像生成領域積累的技術，也更容易做引導和控制。ELF 在規模測試中表現出的良好擴展性（從 1 億參數到 6.5 億參數，質量持續提升），也說明這條路上仍有相當大的空間。

當然，ELF 目前的評估還主要停留在中等規模模型和學術基準測試上。它能否在更大規模、更廣泛的任務上與當前最強的自回歸大模型形成真實競爭，還有待后續驗證。但就當下的結果而言，它至少清晰地回答了一個懸而未決的問題：

連續擴散語言模型，似乎終于找對了方法。

更多詳情，請參閱原論文。