dParallel

让扩散语言模型并行解码，推理速度翻倍

dParallel 是一个面向扩散大语言模型（dLLMs）的可学习并行解码框架，论文被 ICLR 2026 接收。它解决扩散模型在文本生成时因迭代式去噪导致推理速度慢的问题，通过引入可学习的并行解码机制，在保持生成质量的同时显著加速推理。核心能力包括：端到端可训练的并行解码模块、与现有 dLLM 架构无缝集成、支持多步去噪过程的并行化。项目提供 Python 实现，包含训练和推理代码，适合研究者和工程师用于加速基于扩散的文本生成模型。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 67
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队czg1225
所属国家
官网地址
GitHubhttps://github.com/czg1225/dParallel
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型acceleration,diffusion-language-models,distillation,efficiency,few-step,large-language-models,parallel-decoding
GitHub 星标★ 67
30天Star增速
HF 下载量
上线时间2025-09-28 00:00:00
最近更新2026-09-02 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 提出可学习并行解码机制，直接针对扩散模型推理慢的痛点
  • 基于 ICLR 2026 论文，理论方法有学术背书
  • 代码结构清晰，易于集成到现有 dLLM 项目

不足之处

  • 项目处于早期，文档和社区支持待观察
  • 仅支持扩散类 LLM，适用面较窄

适用场景

  • 加速扩散语言模型的文本生成推理
  • 研究并行解码算法在生成模型中的应用
  • 作为 dLLM 推理优化的参考实现

替代项目

Diffusion-LM、LLM-diffusion、Parallel decoding for autoregressive models

项目介绍

dParallel 是模型训练领域的开源项目，由 czg1225 开发，2025 年首次发布。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 67。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-02。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：加速扩散语言模型的文本生成推理。同类可对比的替代方案包括 Diffusion-LM、LLM-diffusion、Parallel decoding for autoregressive models。

上一篇：GuidedQuant

下一篇：Spatial-SSRL

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列，训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性，长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型，练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型，推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13