ml-diffucoder 是编程开发领域的开源项目，由 apple-aiml-research 开发，2025 年首次发布。
在全站 12,753 个收录项目中，它的 GitHub 星标数（835）位列前 30%，在编程开发分类中处于中上游。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-11。免费使用。
它主要面向的使用场景是：研究非自回归代码生成模型的学术实验。同类可对比的替代方案包括 CodeGen、StarCoder。
ml-diffucoder
用扩散模型并行生成代码，替代传统逐字解码
ml-diffucoder 是苹果开源的代码生成研究项目，围绕掩码扩散模型（Masked Diffusion Model）在代码生成任务上的应用展开。传统代码生成多依赖自回归模型逐 token 生成，而 DiffuCoder 探索用扩散方式并行迭代去噪生成代码，并针对代码场景改进了训练与采样策略。项目提供模型实现、训练与推理脚本，配套论文说明如何理解扩散模型在代码生成中的行为，以及如何通过改进采样提升生成质量与效率。它解决的是代码生成中自回归解码顺序固定、难以并行、对长序列依赖强的问题，同时给出可复现的实验配置，方便研究者在此基础上继续探索非自回归代码生成路线。
开源
free
编程开发
GitHub 星标
★ 835
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类编程开发
开发团队apple-aiml-research
所属国家
定价模式free
价格说明开源项目，免费使用
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型
GitHub 星标★ 835
30天Star增速
HF 下载量
上线时间2025-07-01 00:00:00
最近更新2026-09-11 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-14
浏览次数0
使用教程
核心亮点
- 提供完整的训练与推理代码，基于论文可复现，适合研究扩散式代码生成
- 针对代码场景改进采样策略，探索并行去噪生成，与主流自回归路线形成差异
- 由苹果开源，代码结构清晰，便于在 Python 环境中快速跑通实验
不足之处
- 属于早期研究项目，工程化与生产可用性有限，缺少大规模部署验证
- 文档和社区生态相对薄弱，模型权重与数据准备流程可能不够完善
适用场景
- 研究非自回归代码生成模型的学术实验
- 对比扩散模型与自回归模型在代码任务上的效果
- 在代码补全或生成场景中探索并行解码加速
替代项目
CodeGen、StarCoder
项目介绍
同类项目推荐
bolt.new
开源
想到啥说啥，网页应用当场生成直接能用
Prompt, run, edit, and deploy full-stack web applications. -- bolt.new -- Help Cente···
fuzz4all
开源
用大模型自动生成测试输入，发现各种软件漏洞
️Fuzz4All: Universal Fuzzing with Large Language Models
superpowers-zh
开源
全套 AI 编程神技汉化好了，照着用就行。
AI 编程超能力 · 中文增强版 — superpowers（250k+ ⭐）完整汉化 + 4 个中国原创 skills···
Gitea 代码托管
开源
轻量 Git 代码托管平台
Git with a cup of tea! Painless self-hosted all-in-one software development service,···