扩散语言模型核心潜力在于其全局性、并行性、可控性，纵然自回归模型目前仍是主流，但扩散模型独特架构使其在处理须要高度控制、全局一致性或并行生成速度语言任务时，展露出非常大优点，将来，它很大概变成自回归模型之外，搞定特定语言生成挑战有力工具，甚至大概与现有技术融合，创造出更超强混合模型。
虽说两者都运用掩码，但 DLM 可以看作是 MLM 的“升级版”，它将 MLM 的静态、一次性训练意向，扩展成了一个动态的、多步的去噪过程，从而使其具备了超强的生成本事，BERT 的掩码训练是为了理解，而 DLM 的掩码训练是为了生成。
DLM预示了一个与现有主流技术并驾齐驱的全新赛道。
最大不确定性在于技术融合，将来语言模型大概不再是纯粹自回归或纯粹扩散模型，一个混合模型大概结合自回归流畅、高效，以及扩散模型全局性、可控性，它大概在对话开始时运用自回归方法迅捷响应，而在须要实行长篇、复杂创作或深度编辑时，切换到扩散模型模式。
gaode.kuaisou.com
来源：https://gaode.kuaisou.com/
来源：https://www.chatdlm.com/
