Model details
模型介绍
中文整理SDLM-3B-D4 模型卡片
Model use case
SDLM（Sequential Diffusion Language Model，序列扩散语言模型）是一种新型扩散语言模型，旨在廉价地激发扩散模型的并行预测能力。
主要能力
SDLM通过以下技术提升性能：将预测范围限制在固定块长度以减少分布偏移；采用最长前缀解码方法强制执行解码顺序；在确保生成质量的同时显著提高预测效率。该方法可视为自回归范式的进一步推广，支持使用预训练的AR权重，仅需少量指令微调即可快速迁移到扩散框架。
性能表现
长格式基准测试显示，SDLM在保持与自回归模型相当精度的同时，解码速度提升约2倍；相比其他扩散语言模型，推理速度提升最高达5倍。MATH-500基准测试结果验证了上述性能提升。
模型架构
采用顺序块状掩码预测方法，降低扩散生成中的误差累积。该方法利用位置索引较低的token通常受益于更可靠的上下文信息这一观察，实现更低的偏差和更高的准确性。训练阶段使用重排序输入，实现因果前缀、跨块前缀和块内双向注意力。采样阶段采用基于置信度的动态块解码，支持KV缓存重用。
运行要求
需安装相关依赖包，并下载模型推理脚本。
基本用法
提供使用transformers运行SDLM-3B-D4的示例代码。
License
如在研究中使用该项目，请引用相关论文。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
Problem with the information or download?
Sign in to submit feedback.
