DAEDAL

免训练，让扩散语言模型按需生成任意长度文本

DAEDAL 是一个针对扩散大语言模型（DLLM）的训练无关可变长度去噪框架，由 ICLR 2026 论文官方开源。扩散模型通常只能生成固定长度的序列，这限制了其在实际应用中的灵活性。DAEDAL 通过创新的去噪调度策略，在推理阶段动态调整生成序列的长度，无需重新训练模型，即可实现可变长度文本生成。其核心能力包括：支持任意长度文本生成、保持生成质量、与现有扩散语言模型无缝集成。该项目解决了扩散语言模型在文本生成长度上的刚性限制，为开放式文本生成、摘要、翻译等任务提供了更灵活的解决方案。代码基于 Python 实现，目前处于早期阶段，但已提供官方实现和实验配置，便于研究者复现和扩展。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 175

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Li-Jinsong

所属国家

官网地址

GitHubhttps://github.com/Li-Jinsong/DAEDAL

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型diffusion,diffusion-language-model,diffusion-language-models,diffusion-model,diffusion-models,dllm,dlm,large-language-model,large-language-models,llm

GitHub 星标★ 175

30天Star增速

HF 下载量

上线时间2025-08-03 00:00:00

最近更新2026-09-18 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3

使用教程

核心亮点

无需重新训练模型，推理时即可动态调整生成长度
官方论文代码，实验配置完整，易于复现
与现有扩散语言模型架构兼容，集成成本低

不足之处

早期项目，文档和社区支持待观察
依赖特定扩散模型，通用性需进一步验证

适用场景

需要灵活控制输出长度的文本生成任务
扩散语言模型的推理优化与扩展
学术研究：可变长度生成机制探索

替代项目

Diffusion-LM、DiffuSeq、Genie

项目介绍

DAEDAL 是模型训练领域的开源项目，由 Li-Jinsong 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 175。

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 2026-09-18。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：需要灵活控制输出长度的文本生成任务。同类可对比的替代方案包括 Diffusion-LM、DiffuSeq、Genie。

上一篇：INTERS

下一篇：sagify