程爽，上海人工智能實驗室和浙江大學聯培博士生一年級；卞一涵，美國馬里蘭大學碩士生二年級，上海人工智能實驗室實習生；劉大衛，上海人工智能實驗室和上海交通大學聯培博士生一年級；齊弼卿，上海人工智能實驗室研究員（指導老師）

大模型推理速度慢、成本高，已成為限制其廣泛應用的核心瓶頸。其根源在于自回歸（AR）模型「逐字生成」的串行模式。

近日，上海人工智能實驗室針對該難題提出全新范式 SDAR (Synergistic Diffusion-AutoRegression)。

該方法通過「訓練-推理解耦」的巧妙設計，無縫融合了 AR 模型的高性能與擴散模型的并行推理優勢，能以極低成本將任意 AR 模型「改造」為并行解碼模型。

• 論文標題：SDAR: A Synergistic Diffusion-AutoRegression Paradigm for Scalable Sequence Generation 
• 論文鏈接：https://arxiv.org/abs/2510.06303
• 代碼地址：https://github.com/JetAstra/SDAR
• 推理引擎：https://github.com/InternLM/lmdeploy
• 模型地址：https://huggingface.co/collections/JetLM/sdar

實驗證明，SDAR 不僅在多個基準上與原版 AR 模型性能持平甚至超越，還能帶來數倍的真實推理加速。更令人驚喜的是，SDAR 在復雜的科學推理任務上展現出巨大潛力。在與采用相同配置訓練的 AR 基線模型進行公平對比時，SDAR 在 ChemBench 等基準上最高取得了 12.3 個百分點的性能優勢。

在科學推理能力上，SDAR 實現了對 AR 基線模型的超越。與使用完全相同配置訓練的 AR 版本進行公平對比，SDAR-30B-A3B-Sci 模型在 ChemBench（化學）和 GPQA-diamond（谷歌研究員水平科學問答）兩大基準上，得分分別從 60.5 提升至 72.8 和從 61.2 提升至 66.7，取得了 12.3 和 5.5 個百分點的顯著優勢。這一結果有力地表明，其局部雙向注意力機制對于精準理解化學式等結構化知識至關重要。

目前，該團隊已全面開源從 1.7B 到 30B 的全系列 SDAR 模型、高效推理引擎及迄今最強的開源擴散類推理模型 SDAR-30B-A3B-Sci。

大模型推理的「速度困境」：自回歸與擴散模型的兩難抉擇

自 GPT 系列模型問世以來，自回歸（Autoregressive, AR）范式便成為主流。它通過「從左到右、逐詞預測」的方式生成文本，完美契合了自然語言的順序結構，這也是 AR 模型效果出眾的根本原因。 然而，這種嚴格的順序依賴，也帶來了兩大與生俱來的挑戰：

• 推理速度瓶頸：生成下一詞元（token）必須等待前一詞元完成，完全串行的機制導致推理延遲高、服務成本居高不下，模型規模越大，問題越嚴峻。
• 局部視野與不可逆生成的雙重缺陷：AR模型線性的生成路徑不僅帶來了局部視野局限，難以整體理解化學分子式等結構化知識；更致命的是它缺乏自我修正（Self-Correction）能力。每個詞元的生成都是一個不可逆的「最終決策」，一旦出錯便無法挽回，導致錯誤累積。這與擴散模型等范式形成了鮮明對比，后者理論上支持迭代優化和全局修正，這正是它們被視為攻克復雜推理任務的關鍵潛力所在，也是業界探索非自回歸路徑的核心驅動力。

為打破僵局，研究者們將目光投向了潛力巨大的擴散模型（Diffusion Models）。其中的掩碼擴散語言模型（MDLM）將整個序列視為一個整體，通過「從模糊到清晰」的迭代去噪方式并行生成，理論上能一舉解決 AR 模型的速度瓶頸。 

但實踐中，MDLM 面臨兩大難題：

• 訓練效率低下：其 ELBO 優化目標相比標準 NLL 收斂更慢，導致性能不佳。值得注意的是，該工作首次對二者的訓練效率進行了公平對比，實驗證實，在同等算力下，MDLM 與 AR 模型的性能存在顯著差距。
• 推理成本高昂：由于缺乏類似 AR 模型的 KV 緩存機制，MDLM 在推理時每一步都需要處理整個序列，導致計算復雜度高，實際部署依然昂貴。

「混合模型」雖然嘗試結合二者，塊內并行、塊間自回歸，但其特殊的訓練目標函數依賴復雜的注意力掩碼，導致訓練開銷幾乎翻倍，令人望而卻步。

另辟蹊徑：SDAR 如何通過「訓練-推理解耦」實現雙贏

面對這一困境，上海 AI 實驗室的研究團隊重新審視問題本質，提出了一個顛覆性的思路：為什么要在同一個階段解決所有問題？SDAR 范式的核心就是「解耦」（Decoupling）：

• 訓練階段：擁抱高效的 AR 范式。完全沿用成熟、穩定、高效的 AR 模型進行預訓練。這確保了模型在一個強大的基礎上起步，擁有與頂尖 AR 模型同等水平的知識和能力。
• 推理階段：輕量級適配，解鎖并行解碼。在 AR 預訓練后，引入一個短暫且成本極低的「適配」階段，教會模型以「塊」為單位進行并行擴散式生成。

這個過程，可以理解為：先培養出一位精通單字書法的大家（強大的 AR 模型），然后只用極短時間教會他「連筆揮毫」（塊狀并行生成）的技巧。其原有的書法功底（模型性能）絲毫未損，但創作速度（推理效率）卻得到了質的飛躍。

通過這種「訓練-適配」分離的設計，SDAR 完美保留了 AR 模型的全部優點——強大的性能、高效的優化、KV 緩存、可變長度生成等，同時精準地「嫁接」了擴散模型最核心的優勢——并行解碼帶來的推理加速。

實驗見真章：性能、速度與成本的規模化驗證

為了驗證 SDAR 的實際效果，研究團隊進行了一系列嚴謹的實驗，旨在回答三個核心問題：SDAR 性能與同級 AR 模型相比如何？并行加速效果如何？改造現有 AR 模型的成本高嗎？

關鍵發現：

• 低成本適配，性能齊平甚至超越：任何主流 AR 模型都能通過低成本適配轉為 SDAR，并在下游任務中達到與原版 AR 相當甚至更高的性能。
• 模型越大，并行效率越高：更大的 SDAR 模型能容忍更大的并行塊（block size），在不犧牲性能的前提下實現更高的加速比。
• 精度驅動效率：在 SDAR 中，模型能力的提升（更自信的預測）會直接轉化為更快的解碼速度，形成「越強越快」的良性循環。

性能不妥協：與 AR 基線全面對標

研究人員基于 Qwen3 系列的 1.7B、4B、8B-dense 和 30B-A3B MoE 模型，通過「繼續預訓練 (CPT) + 指令微調 (SFT)」的兩階段流程，訓練出 SDAR-Chat 系列模型，并與采用完全相同流程訓練的 AR-Chat 基線進行全面對比。

圖注：SDAR-Chat 和 AR-Chat 的嚴格比較

如上表所示，SDAR 在規模化擴展時，性能與 AR 模型同步增長。在 30B 規模下，SDAR-Chat 在 18 個基準中的 11 個上持平或超越了其 AR 版本，證明了該范式的有效性與可擴展性。

成本極低：高效的「即插即用」式適配

與需要 580B token 進行從頭訓練的 Dream 等工作相比，SDAR 僅用 50B token 的開源數據進行繼續預訓練，就能達到與 AR 基線相當的性能。這證明了「解耦」思想的正確性：強大的 AR 預訓練已為模型打下堅實基礎，后續的塊狀擴散適配僅是一個短暫的「對齊目標」過程。這意味著社區能以極低的成本，將任何開源 AR 模型輕松轉換為高效的 SDAR 模型。

加速顯著：真實部署中的效率飛躍

該研究通過「有效每步生成 Token 數」（TPF）這一指標來衡量理論加速。TPF 為 1 即為標準 AR 模型。

圖注：SDAR 理論加速比

上圖揭示了 SDAR 的縮放定律：

• 塊越大，加速越明顯：TPF 與塊大小正相關。
• 模型越大，加速越明顯：更強的模型預測更自信，能一次性并行生成更多 token，實現更高的 TPF，形成「能力與速度」的良性循環。

在工業級推理引擎 LMDeploy 上的實測結果更為直觀。在對延遲敏感的小批量場景下，SDAR-8B-chat 在單張 H200 上實現了相較于 AR 版本 2.3 倍的實際加速，峰值吞吐量高達 6599 token/s，為實時交互應用提供了巨大優勢。

解鎖新潛能：當 SDAR 遇上頂尖科學難題

除了效率提升，一個自然而然的問題是：SDAR 獨特的生成機制是否會影響其復雜的推理能力？為此，研究人員基于 Qwen3-30B-A3B，專門打造了一款科學推理模型 SDAR-30B-A3B-Sci，并與嚴格對齊訓練流程的 AR 版本進行對比，結果令人振奮。

關鍵發現：

• 長鏈推理能力完整保留：SDAR 適配過程能很好地保留 AR 基座模型的長思維鏈（CoT）推理能力。
• 局部雙向注意力優勢凸顯：SDAR 在需要理解局部結構化信息的任務（如化學）上表現出色。
• 與測試時擴展策略協同增效：簡單的多輪采樣 + 投票就能帶來巨大性能提升，顯示出與 RL 等技術結合的巨大潛力。

結果令人驚喜：

• 在科學領域全面超越 AR：在 GPQA-diamond（谷歌研究員水平的科學問答）和 ChemBench（化學）等基準上，SDAR-30B-A3B-Sci 的得分比其 AR 版本分別高出 5.5 和 12.3 個百分點（72.8 vs. 60.5 和 66.7 vs. 61.2）！這證明其局部雙向注意力機制，對于理解化學式等結構化知識至關重要。
• 測試時擴展潛力巨大：通過簡單的多輪采樣 + 多數投票（Majority Vote），SDAR 的性能得到進一步飛躍，在 AIME-2025（國際數學競賽）上提升 +19.3%，在 LMB-hard（高難度數學）上提升 +15.7%。這表明 SDAR 的并行生成范式能產生更多樣化的推理路徑，與集成學習等策略形成了完美互補。

圖注：AR-30B-A3B-Sci and SDAR-30B-A3B-Sci 性能比較

圖注：測試時擴展實驗

這些結果證明，SDAR 不僅是一個「加速器」，更是一個「增強器」，為解決復雜推理任務提供了一個性能與效率俱佳的新范式。

總結與展望

SDAR 為大模型領域提供了一個強大而靈活的新工具。該研究的核心貢獻可歸納為以下幾點：

• 首次公平對比 AR 與 MDLM 訓練效率，用實驗證實了 AR 范式在訓練上的巨大優勢。
• 提出創新的 SDAR 范式，通過「訓練-推理」解耦，實現了 AR 的高性能與擴散模型并行解碼的優勢結合。
• 提供低成本的實用方案，可將任意 AR 模型適配為 SDAR，并驗證了其在不同模型、不同架構（Dense、MoE）上的普適性。
• 系統性揭示縮放定律，分析了模型大小、塊大小、性能與速度間的關系，為未來研究提供了寶貴經驗。
• 全面開源全系列成果，包括從 1.7B 到 30B 的 SDAR 模型、輕量級和生產級的推理引擎，以及迄今最強的開源擴散類推理模型 SDAR-30B-A3B-Sci。

SDAR 的出現，不僅能讓現有的大模型「飛」起來，降低應用門檻，也為探索更高性能、更高效的下一代 AI 推理范式打開了一扇新的大門。