在大型語言模型的優化中，業界通常認為計算量與模型性能正相關。

然而，杜克大學陳怡然教授團隊的一項最新研究DPad，卻揭示了一個反直覺的現象：對于擴散大語言模型（dLLMs），通過一種「先驗丟棄」策略，主動減少其計算量，不僅能帶來高達61倍的推理加速，還能意外地增強模型語境學習的能力。

這一發現源于對dLLM內部一種「中獎彩票」（Lottery Ticket）現象的洞察。模型在生成文本時，其龐大的注意力網絡中似乎隱藏著一個極度稀疏但高效的「中獎組合」。

DPad的核心貢獻就在于，它無需訓練，便能在推理時動態地、近乎零成本地找出這個組合，從而實現速度與精度的雙重飛躍。

論文地址：https://arxiv.org/abs/2508.14148

代碼地址：https://github.com/Crys-Chen/DPad

論文作者團隊來自杜克大學CEI中心，由實習生陳欣驊、黃思韜及郭聰博士共同完成，指導教師為李海教授、陳怡然教授，其他作者還包括魏遲越、何銀濤、張健一。

獨特的注意力機制

dLLM的草稿紙

團隊發現，dLLM的獨特之處在于雙向注意力，這使得它在生成文本時，會關注所有待生成的后文詞元（Suffix Token），并將它們用作規劃全文的「草稿紙」。

「草稿紙」機制使得模型能在Transformer的第n層往后文寫入信息，然后在第n+1層讀取后文信息，用于輔助前文的解碼。

圖1 「草稿紙機制」示意圖，左下角為前文往后文寫入信息，右上角為前文從后文讀取信息

反直覺的實驗

隨手一抓，都能中獎？

前文提到，dLLM在解碼前文時，會將大段的后文詞元作為草稿紙。

團隊進一步分析了模型對后文詞元的注意力分數，發現模型對后文詞元的注意力隨著距離快速衰減，但還是會有一些零星「尖峰」。

說明后文詞元有強烈的稀疏性，僅存在少量比較重要的詞元。

這個發現完美契合了深度學習中著名的「彩票假說」（Lottery Ticket Hypothesis）。

受此啟發，團隊提出了「擴散彩票假說」（Diffusion Lottery Tickets Hypothesis）：在dLLM的后綴token中，存在一個稀疏的「中獎彩票」子集，只要能「抽中」它們，就能在大幅降低計算成本的同時，達到甚至超越完整模型的性能。

圖2 當前塊對后綴token的注意力分數圖?？梢钥吹?，后文token存在部分尖峰

這也是正常詞元剪枝(Token Pruning)的邏輯——統計注意力分數，確定不重要的詞元，然后將其刪除。

然而，DPad團隊并不滿足于此，他們進行了一項顛覆性的實驗：強行刪除那些距離很遠、但注意力得分很高的「尖峰」詞元。

結果出乎意料——模型的準確率幾乎毫無損失！

不同于自回歸模型，dLLM展現出了驚人的「自愈能力」，仿佛后文詞元的信息可以自由流動，當一個關鍵路徑被阻斷時，注意力會立刻轉移到鄰近的詞元上，形成新的信息通路。

圖3 「注意力遷移」現象，刪除「關鍵詞元」后，模型的注意力尖峰轉移到附近詞元

這個「注意力遷移」現象有力地證明：dLLM的全局規劃能力并非依賴于某些特定位置的「明星詞元」，而更像是一種分布式的、可替代的冗余系統。

研究人員并沒有必要花費大量的計算去確定「關鍵詞元」，直接先驗地剪枝，最終保有一套系統就行。

DPad的核心

從「事后剪枝」到「事前篩選」

基于上述發現，DPad提出了一套全新的「事前篩選」邏輯。

不再讓模型「全力計算后才發現浪費」，而是在計算開始前就果斷地丟棄掉絕大部分冗余部分。

實現該目標的核心是兩大策略：

1.  滑動窗口 (Sliding Window)：將模型的「目光」強制聚焦在當前解碼位置附近的一個固定長度窗口內，從根本上杜絕了對遙遠未來的無效關注。

這好比作家在寫當前章節時，只詳細規劃緊鄰的幾章，而不是構思最后一章的具體措辭。

2.  距離衰減丟棄 (Distance-decay Dropout)：在窗口內部，也并非一視同仁。DPad采用一種隨距離遞減的概率來保留詞元，即「越近的草稿越詳細，越遠的草稿越潦草」。

這兩招簡單而有效，共同構成了一個動態的「中獎彩票」篩選器，讓模型在每一解碼步都只使用一個極度稀疏但高效的注意力子集。

圖4 (a)自回歸模型；(b) 傳統dLLM，需要關注所有后綴token；(c) DPad，僅關注附近少數經過篩選的后綴token

顛覆性的成果

速度與精確度的意外雙贏

DPad帶來的并非傳統意義上「犧牲精度換速度」的權衡，而是一場雙贏。

「嚴格匹配」準確率的大幅提升

在常規評測中，「靈活匹配」（Flexible-Match）只要求答案數值正確，而「嚴格匹配」（Strict-Match）則要求模型嚴格遵循范例的格式與推理步驟，是衡量模型「語境學習能力」的關鍵指標。

圖5 「靈活匹配」得分和「嚴格匹配」得分。原始模型（左）沒能按照「####」的格式輸出答案，沒能通過「嚴格匹配」；使用DPad（右）后模型成功「記得」按「####」輸出答案，通過「嚴格匹配」

圖6 DPad在LLaDA-Instruct上的效果

實驗顯示，原始的LLaDA-Instruct模型在GSM8K任務上嚴格匹配率僅為37.38%，因為它雖然能算對答案，卻無法很好地復刻范例格式。

而應用DPad后，通過濾除大量無關后文詞元的干擾，模型能更專注于學習prompt中的有效信息，嚴格匹配率躍升至63.84%。

這表明，DPad讓模型變得更「專注」，更能領會并執行復雜指令。

圖7 DPad在LLaDA-1.5上的效果

圖8 DPad在Dream-Base上的效果

意料之中的驚人加速比

當模型不再需要為海量冗余信息耗費算力后，其推理速度得到了指數級解放。在短示例、長文本生成場景下，DPad的優勢被發揮到極致：

圖9 在GSM8K(1024 tokens, 1-shot)任務上，LLaDA-1.5+Fast-dLLM+DPad實現了61.39倍的加速

圖10 在HumanEval(2048  tokens, 0-shot)任務上，Dream-Base+Fast-dLLM+DPad實現了97.32倍的加速

在LLaDA-1.5模型（1024 詞元輸出）上，DPad結合并行解碼等優化后，實現了61.39倍的綜合加速。

在Dream模型（2048 詞元輸出）上，這一數字更是達到了97.32倍。

總結

DPad證明，對于dLLM而言，「少即是多」。

它通過一種巧妙的、免訓練的「事前篩選」機制，揭示并利用了dLLM中潛在的稀疏結構。

其帶來的不僅是接近兩個數量級的推理加速，更有對模型深層能力的意外增強。

這項工作為我們開辟了一條全新的優化思路：未來的模型設計或許可以更大膽地探究稀疏性，讓dLLM在「化繁為簡」的道路上走得更遠。