dSparkが拡散型LLM高速化、スケジュール蒸留で応答効率を大幅改善
アイダル・ミルザハン (Aidar Myrzakhan) 氏とジチャン・シェン (Zhiqiang Shen) 氏の研究チームは2026年10月26日(現地時間)、拡散型大規模言語モデル (dLLMs: Diffusion large language models) の高速化を目指す新フレームワーク「dSpark」を提案した。この手法は、スケジュール蒸留 (schedule distillation) を用いてトークンの確定タイミングを学習し、並列サンプリングの効率を高めることで、dLLMsの応答完了にかかる時間を大幅に短縮する。