模型介绍
中文整理SDLM-3B-D8
模型用途
SDLM（Sequential Diffusion Language Model，顺序扩散语言模型）是一种用于文本生成的语言模型，旨在廉价地激发扩散模型的并行预测能力。
主要能力
SDLM通过限制预测范围到固定块长度，并使用最长前缀解码方法强制执行解码顺序，从而减少分布偏移。该方法在显著提高预测效率的同时确保生成质量，可视为自回归范式的进一步泛化。模型采用顺序块级掩码预测方法，利用位置索引较低的token预测通常受益于更可靠上下文信息的观察结果，减少基于扩散的生成中的误差累积。
性能表现
在长格式基准测试中，SDLM提供更强的性能且解码速度显著更快。推理速度比同类自回归模型快约2倍，同时保持相当的准确率；与其他扩散语言模型相比，实现最高5倍加速。不同置信度阈值下可在性能和速度之间实现可控权衡。
输入输出
输入：文本提示
输出：生成的文本
运行要求
需要安装相关依赖包。需要从指定位置下载模型推理脚本。
基本用法
提供使用transformers库运行SDLM-3B-D8的示例代码。
限制
模型性能受置信度阈值设置影响，需根据实际需求在速度和生成质量之间进行权衡。
许可证
如在研究中使用该项目，请考虑引用相关论文。
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
运行模型需要的设备、工具与依赖，以原作者说明为准。
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。
资料或下载有问题？
登录后可提交反馈。