この調査は、拡散大規模言語モデル（dLLMs）の理論的な並列生成の利点と実際の推論速度の間のギャップに対処しています。それは、実世界のデプロイメントに影響を与えるアルゴリズム的、アーキテクチャ的、およびシステムレベルの要因を解きほぐすために設計された統一レイテンシ分解フレームワークを導入します。

著者は、加速技術を3つの軸に沿って分類しています：アルゴリズム的革新、アーキテクチャとシステムの最適化、そして推論時のスケーリング。この作業は、既存の研究における厳密な比較の難しさを克服するために、再現可能なベンチマークのためのガイドラインを提供します。

これらのトレードオフを分析することで、この調査はdLLMsにおける並列生成の全 potential を実現するためのオープンな課題を浮き彫りにしています。