推理效率狂飙60倍：DiDi-Instruct让扩散大模型16步超越千步GPT

近日，来自普渡大学、德克萨斯大学、新加坡国立大学、摩根士丹利机器学习研究、小红书 hi-lab 的研究者联合提出了一种对离散扩散大语言模型的后训练方法 —— Discrete Diffusion Divergence Instruct (DiDi-Instruct)。经过 DiDi-Instruct 后训练的扩散大语言模型可以以 60 倍的加速超越传统的 GPT 模型和扩散大语言模型。

DiDi-Instruct 蒸馏得到的 “学生” 模型与教师模型、GPT-2 的文本生成效率对比。

DiDi-Instruct 提出了一种独创的概率分布匹配的后训练策略，可以将原本需要 500 步以上的昂贵的扩散语言 “教师”（diffusion Large Language Model, dLLM）模型，蒸馏成一个仅需 8-16 步生成整个文本段落的 “学生” 模型。在 OpenWebText 标准数据集上，DiDi-Instruct 语言模型既实现了超过 64 倍以上的推理加速，又在性能上同时显著超越了被蒸馏的教师扩散语言模型（dLLM，1024 步生成）和自回归的 GPT2 模型（1024 步生成）。DiDi-Instruct 算法同时提升了大语言模型的推理效率和推理效果。为极端高效的大语言模型落地提供了新的方案。

• 论文标题：Ultra-Fast Language Generation via Discrete Diffusion Divergence Instruct
• 论文链接：www.arxiv.org/abs/2509.25035
• 代码仓库：github.com/haoyangzheng-ai/didi-instruct
• 项目地址：haoyangzheng.github.io/research/didi-instruct

研究背景 | 大语言模型生成的 “速度极限” 是多少？

近年来，以自回归（ARMs）范式为核心的大语言模型（如 ChatGPT，DeepSeek 等模型）取得了巨大成功。然而，自回归模型逐词串行生成的固有瓶颈，使其在长文本生成时面临难以逾越的延迟 “天花板”，即使强大的并行计算硬件也无计可施 。作为一种新兴的替代范式，扩散语言模型（后文将用 dLLM 指代）应运而生。dLLM 将文本生成重塑为一个从完全噪声（或掩码）序列中迭代去噪、恢复出完整文本的过程 。这一模式天然支持并行化语言段落生成，相较于自回归模型生成速度更快。然而尽管如此，现有最好的 dLLM 在同等模型尺寸下为了达到与 GPT-2 相当的性能，仍然需要多达上百次模型迭代。这个困境不禁让人疑惑：是否存在模型在极端少的迭代次数下（如 8-16 次迭代）下能显著超越 1024 次迭代的 GPT 模型？

破局者 | DiDi-Instruct：分布匹配训练实现语言模型极致加速

在上述研究背景下，本篇文章提出了 DiDi-Instruct。简而言之，DiDi-Instruct 是一个 dLLM 的后训练算法。一个 dLLM 通过 DiDi-Instruct 算法训练蒸馏之后，可以将原本的 1024 次推理次数压缩至 8 到 16 步，同时可以显著提升的 dLLM 的建模效果。

DiDi-Instruct 的理论来源于连续扩散模型中的一个经典单步蒸馏算法：Diff-Instruct。从理论上看，DiDi-Instruct 训练算法的核心思想是最小化一个少采样步数的 “学生” 模型与多采样步数的 “教师” dLLM 模型在整个离散 Token 去噪轨迹上分布的积分 KL 散度（Integral Kullback-Leibler Divergence）。该目标把不同时间的 KL 以权重积分汇总，避免只对齐末端样本而训练不稳的问题，从而让学生以一种全局、全过程匹配的方式，高效 “学习” 教师的精髓。一旦积分 KL 散度被优化至收敛（接近 0 值），少步生成的 “学生” 模型便在概率意义上吸收了 "教师 dLLM" 的知识。

DiDi-Instruct 流程示意：学生模型（Student）与教师模型（Teacher）从全掩码序列重建 “干净文本”，并同时进行加噪处理。随后，判别器（Discriminator）对两者输出进行区分并给出奖励分数，用作学生模型的更新信号，使其在后续生成中逼近教师分布。经过反复迭代，Student 能以更少步数获得接近 Teacher 的生成质量。

然而，想要直接优化积分 KL 散度面临诸多例如离散文本不可微分等理论困难。针对这些挑战，DiDi-Instruct 提出了一套系统性的解决方案，其关键创新包括：

1. 基于策略梯度的分布匹配目标：DiDi-Instruct 巧妙地将蒸馏目标重构为一种策略梯度（Policy Gradient）的数学形式，然后通过引入一个奖励函数来指导学生模型的更新，优雅地绕过了在离散空间中求导的难题。
2. 通过对抗学习动态塑造奖励函数：为了获得上述奖励信号，DiDi-Instruct 引入了一个辅助的判别器网络（discriminator）。该网络通过对抗训练，学习区分 “学生” 和 “教师” 在任意中间步骤生成的噪声样本，其输出的对数密度比（log-density ratio）便构成了指导学生优化的精确奖励信号。
3. 稳定训练与高质量推理的关键技术：DiDi-Instruct 还引入多项关键设计对该方法进行系统性优化，以稳定训练、缓解熵坍塌、提升推理质量。

• 分组奖励归一化（Grouped Reward Normalization）：借鉴深度求索（DeepSeek）提出的组相对策略优化（GRPO），DiDi-Instruct 在每个小批量（mini-batch）内对奖励进行标准化。该操作显著降低了训练梯度的方差，有效提升了训练的稳定性。
• 分步式中间状态匹配（Intermediate-state Matching）：通过分解梯度信息，DiDi-Instruct 使学生模型在训练中接触到不同噪声水平的中间状态。这个机制有效缓解了困扰许多后训练算法的模型熵坍塌问题（mode collapse），保证了学生模型真正学习到生成复杂，多样性的内容。
• 奖励驱动的祖先采样（Reward-guided Ancestral Sampling）：在推理阶段，利用训练好的判别器获得奖励信号，对生成过程进行 “梯度引导 + 多候选重排序”，进一步提升了最终生成文本的质量。

DiDi-Instruct 后训练算法。

奖励驱动的祖先采样算法。

科学实验 | 效率与性能的双重飞跃

研究团队在公开的 OpenWebText 数据集上进行了详尽的实验，结果出人出人意料：经过 DiDi-Instruct 后训练的语言模型在效率和效果上得到了双重提升。

1. 性能与质量新标杆：DiDi-Instruct 在生成质量和效率上均达到了新的 SOTA 水平。该工作系统性地将 DiDi-Instruct 与 GPT-2、MDLM、DUO、SDTT 等多个基准模型进行了比较。结果显示，在 OpenWebText 数据集上，DiDi-Instruct 在 8 到 128 步的所有函数评估次数（NFEs）设置下，其困惑度（Perplexity）指标全面且持续地优于所有基准模型。一个尤为亮眼的成果是，仅需 16 步函数评估，DiDi-Instruct 生成的文本质量 Perplexity（PPL）就已经超越了需要 1024 步才能完成生成的教师模型，相比最强的基线模型提升超过 30%。同时，这些性能增益是在几乎没有熵损失（约 1%）的情况下实现的，充分保证了生成内容的多样性。

DiDi-Instruct 蒸馏所得学生模型与基准模型在不同函数评估次数（NFEs）下的文本生成困惑度（PPL）对比。

2. 训练效率大幅提升：DiDi-Instruct 不仅生成质量高，其训练（蒸馏）过程也极为高效。出人意料的时候，整个蒸馏框架的训练仅需在单张 NVIDIA H100 GPU 上运行约 1 小时即可完成。相比之下，其他同类蒸馏方法（基线模型）通常需要超过倍以上的训练时间。这意味着 DiDi-Instruct 将训练效率提升了超过 20 倍，极大地降低了开发者迭代和部署高性能生成模型的门槛。

3. 跨领域通用性验证：研究团队在报告中指出，DiDi-Instruct 的蒸馏框架是为离散扩散模型设计的，并不局限于语言模型。为了验证这一点，团队将其成功应用于一个完全不同的领域：无条件蛋白质序列生成。他们使用一个预训练的蛋白质语言扩散模型（DPLM）作为教师模型进行蒸馏。结果表明，蒸馏后的学生模型保留了教师模型生成可变长度序列的能力，同时大幅降低了推理成本。更重要的是，学生模型在极少步数下即可生成结构合理的高置信度蛋白质结构。这一跨领域实验有力地证实了 DiDi-Instruct 作为通用离散序列生成加速框架的巨大潜力。

由 DiDi-Instruct 蒸馏得到的学生模型生成的 高置信度蛋白质序列（pLDDT > 70）。

4. 深入消融实验，探究各组件的核心贡献：为了科学地验证每个创新组件的必要性和贡献，研究团队还进行了详尽的 “逐项累加”（cumulative）和 “逐一剔除”（leave-one-out）的消融研究。这些实验揭示了模型性能的关键驱动因素：

• 中间状态匹配是框架稳定的基石：实验表明，虽然单独加入该模块对性能提升有限，但在完整的模型中一旦移除，模型性能会灾难性下降（PPL > 30,000），证明了其在复杂优化环境下的关键稳定作用。
• 时间步耦合能高效提升蒸馏性能：该技术将 8 步生成下的困惑度从 600 + 骤降至 100 左右，凸显了对齐奖励信号与分数函数中间状态的重要性。而在目标函数中增加权重信息则能进一步提升模型训练效果。
• 正则化项扮的 “双重角色”：在极少步数下（如 8 NFEs），它能有效稳定训练，防止离散误差导致训练目标偏离。然而在更多步数（≥ 16 NFEs）的采样中，移除正则化反而能取得更好的结果，这表明此时过强的约束会限制模型的表达能力。
• 引导式推理的作用解读：在少步数（如 8 NFEs）时，它能显著降低困惑度（困惑度相对改善约 30%），提升文本生成质量。而在多步数下，它对困惑度影响甚微，但能显著提升生成样本的多样性（熵从 5.00 提升至 5.15），这与奖励驱动的祖先采样设计的先 “梯度引导” 后 “多候选重排序” 的混合策略设计完美契合。

“逐项累加” 消融实验结果见表 1，“逐一剔除” 消融实验结果见表 2。

技术展望 | 开启高效生成模型新范式

DiDi-Instruct 的提出，不仅是离散扩散模型加速技术的一次技术突破，也为广泛的大语言模型的极限加速，对齐和强化学习提供了新的思路。它首次成功地将分布匹配蒸馏思想应用于基于掩码的离散扩散模型，并建立了一套集 “分布匹配目标、稳定训练、高效推理” 于一体的完整框架。这项工作展示了通过系统性的算法与框架设计，可以克服现阶段大语言模型在生成效率上的瓶颈，使其成为下一代 AI 内容生成中（多模态生成、代码生成、生物序列设计等领域）极具竞争力的选项。我们非常期待将 DiDi-Instruct 应用于最前沿的超大规模的扩散语言模型的效果。

团队简介

本论文第一作者郑昊阳，目前于美国普渡大学攻读博士学位，导师为林光老师。林光是普渡大学的 Moses Cobb Stevens 教授兼理学院副院长。论文的两位通讯作者罗维俭和邓伟分别是小红书 hi-lab 的多模态研究员和纽约摩根士丹利的机器学习研究员。

文章来自于“机器之心”，作者“机器之心”。