Survei ini mengatasi kesenjangan antara keunggulan generasi paralel teoritis dari model bahasa besar difusi (dLLMs) dan kecepatan inferensi praktisnya. Ini memperkenalkan kerangka dekomposisi latensi terpadu yang dirancang untuk memisahkan faktor-faktor algoritmik, arsitektural, dan sistem yang mempengaruhi implementasi dunia nyata.
Para penulis mengkategorikan teknik akselerasi sepanjang tiga sumbu: inovasi algoritmik, optimisasi arsitektur dan sistem, dan penskalaan waktu inferensi. Pekerjaan ini memberikan pedoman untuk benchmarking yang dapat direproduksi untuk mengatasi kesulitan perbandingan ketat dalam studi yang ada.
Dengan menganalisis trade-off ini, survei tersebut menyoroti tantangan terbuka untuk mewujudkan potensi penuh generasi paralel di dLLMs.