又放新大招了，将图像生成常用的“扩散技术”引入语言模型，12秒能生成1万tokens。

什么概念？不仅比Gemini 2.0 Flash-Lite更快。

甚至需要不得不在演示过程中放慢视频的速度，才能看清生成过程。

这是Google DeepMind推出Gemini Diffusion：不同于以往大多数语言模型“从左到右”预测文本的生成方式，而是通过逐步优化噪声来学习生成输出。

传统的自回归模型是根据已生成的词序列逐步预测下一个词，每次只能生成一个词或一个token，这种顺序过程很慢，并且会限制输出的质量和一致性。

而扩散模型的特点则是通过逐步细化噪声学习生成，这种特点会大大提高生成速度，并且减少训练的不确定性。

Gemini Diffusion就是利用了扩散模型这一优势，将文本生成速度提升至2000token/秒。

官方给出了Gemini Diffusion的基准测试结果，结果显示Gemini Diffusion的表现可与更大的模型（Gemini 2.0 Flash-Lite）相媲美，甚至速度更快。

Gemini Diffusion目前是一个实验性演示，官方设置了访问候补名单，感兴趣的朋友可以戳文末链接申请体验～

Gemini Diffusion每秒能生成2000个token

消除“从左到右”文本生成需求

与以往大多数基于自回归的语言模型不同，Gemini Diffusion在语言模型中引入了“扩散”技术，它不是直接预测文本，而是通过逐步细化噪声来学习生成输出。

这种技术能够让模型在生成过程中快速迭代，并在生成过程中进行错误纠正。

这种优势有助于模型在编辑等任务中表现出色，包括在数学和代码环境中也能表现良好。

有一位团队研究员展示了一个代码示例，在这个示例中，Gemini Diffusion模型以2000 个token/秒的速度生成，这其中包括toke化、预填充、安全过滤器等开销。

在生成过程中进行非因果推理

虽然Gemini Diffusion在生成速度上比迄今为止最快的模型还要快得多，但速度却不是它的唯一优势。

它能够一次生成整个标记块，这意味着对于用户的提示，它能比自回归模型做出更连贯的响应。

在迭代细化中能够纠正生成过程中的错误以获得更一致的输出。

研究员还通过举例说明，与仅限于一次生成一个token的自回归模型不同，扩散可以在生成过程中进行非因果推理。

“(√(81) * (2/3))^2   (15 - 3) / (2^2)) 等于多少？先给出答案，然后再推导出答案。”

对于基于自回归思想的模型来说，这是一个非常难的问题，例如，GPT-4o就无法解决此问题，因为它们必须严格自回归生成文本，无法跳过中间token，在生成答案之前对其进行推理。

但扩散模型的生成过程不依赖于严格的时序因果关系，而是通过并行或迭代式去噪实现数据生成，可以进行非因果推理以得出正确答案（答案：39）。以下是研究员提供的演示视频。

One More Thing

实际上，自回归确实不是LLM的唯一路径。

此前，人大高瓴人工智能研究院、蚂蚁也提出了类似研究，LLaDA是基于扩散模型的双向模型。

语言模型逐步引入扩散技术，在未来，我们是否可以期待更多混合模型的出现呢？