以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Unlike autoregressive (AR) models, diffusion language models (DLMs) permit parallel token updates, flexible generation, and bidirectional attention, but leading systems rely on costly pretraining or full-model fine-tuning. We present Build Your Own DLM (BYOD), a generalizable LoRA-only recipe for parameter-efficient AR
阅读原文 · Ruurd J. A. Kuiper, Robert A. Bagheri
向阳乔木 · opencode-go/deepseek-v4.1-flash
把一个大语言模型从自回归改成扩散式生成，过去意味着重新预训练或者全参数微调，代价很高。这篇论文想做的事很直接： 只训 LoRA，就把现成的 AR 模型变成能并行去噪的扩散语言模型 。 它在 Gemma 2 9B、Llama 3.1 8B、Qwen2.5 7B、Ministral 8B 四个模型上都跑通了，作者称这是首次公开报道对 Mistral 系列做 AR...