# Tăng tốc LLM không mất dữ liệu bằng mô hình khuếch tán rời rạc

- Nguồn: Hugging Face Daily Papers
- Thời gian phát hành: 2026-09-08 07:00 (giờ Việt Nam)
- Điểm AI: 92/100
- Nhãn AIHOT: Tinh chọn
- Link AIHOT.vn: https://aihot.vn/items/3da447bd14651abc
- Link gốc: https://arxiv.org/abs/2609.04010

## Lý do tinh chọn

Đây là bước tiến đột phá trong việc giải quyết nút thắt cổ chai của LLM, mang lại hiệu năng cao mà không cần đánh đổi chất lượng, rất có giá trị cho cộng đồng nghiên cứu AI.

## Tóm tắt AI

Nghiên cứu giới thiệu phương pháp kết hợp mô hình khuếch tán vào LLM để tạo nhiều token song song, giúp tăng tốc độ suy luận mà không làm giảm độ chính xác so với cách dự đoán tuần tự truyền thống.

## Thân bài

Tác giả: Subham Sekhar Sahoo, Lingjie Chen, Khiem Pham, Jonathan Geuter, Chaitanya Dwivedi, Varad Pimpalkhute, Yash Akhauri, Alexander Moreno, Mikhail Yurochkin, Zhenting Wang, Mostafa Elhoushi, Nolan Dey, Shane Bergsma, Joel Hestness, John Thickstun, Eric Xing, Zhengzhong Liu

Xem PDF

DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký)

### Lịch sử gửi bài

Từ: Subham Sekhar Sahoo [xem email] [v1] Thứ Năm, ngày 3 tháng 9 năm 2026 15:48:43 UTC (447 KB)