यह सर्वेक्षण diffusion large language models (dLLMs) के सैद्धांतिक समानांतर जनरेशन लाभ और उनकी व्यावहारिक इनफरेंस गति के बीच की खाई को संबोधित करता है। यह एक एकीकृत लैटेंसी डिकम्पोजिशन फ्रेमवर्क पेश करता है जो वास्तविक दुनिया में तैनाती को प्रभावित करने वाले एल्गोरिदमिक, आर्किटेक्चरल और सिस्टम-स्तर के कारकों को अलग करने के लिए डिज़ाइन किया गया है।
लेखक त्वरण तकनीकों को तीन अक्षों के साथ वर्गीकृत करते हैं: एल्गोरिदमिक नवाचार, आर्किटेक्चरल और सिस्टम अनुकूलन, और इनफरेंस-टाइम स्केलिंग। कार्य मौजूदा अध्ययनों में कठोर तुलना की कठिनाई को संबोधित करने के लिए पुनरुत्पादक बेंचमार्किंग के लिए दिशानिर्देश प्रदान करता है।
इन समझौतों का विश्लेषण करके, सर्वेक्षण dLLMs में समानांतर जनरेशन के पूर्ण संभावना को साकार करने के लिए खुले चुनौतियों को उजागर करता है।