Данный обзор устраняет разрыв между теоретическим преимуществом параллельной генерации диффузионных больших языковых моделей (dLLM) и их практической скоростью вывода. Вводится единый фреймворк декомпозиции задержек, предназначенный для разделения алгоритмических, архитектурных и системных факторов, влияющих на реальное развертывание.
Авторы классифицируют методы ускорения по трем осям: алгоритмические инновации, архитектурные и системные оптимизации, а также масштабирование во время вывода. Работа предоставляет рекомендации для воспроизводимого бенчмаркинга, чтобы решить проблему строгих сравнений в существующих исследованиях.
Анализируя эти компромиссы, обзор выделяет открытые проблемы для реализации полного потенциала параллельной генерации в dLLM.