Newest papers

Parallel Language Models via Variational Decoding

Felix Draxler, Robin C. Geyer, Daniel Geyfman, Farrin Marouf Sofian, Justus C. Will, Philipp Hildebrandt, Giosue Migliorini, Prakhar Srivastava, Gagan Sai Trinadh Duggaraju Peddiraju, Kushagra Pandey, Jorge da Silva Gonçalves, ELIJAH TAVARES, Jan Niklas Groeneveld, Yang Meng, Julia Elisabeth Vogt, Stephan Mandt · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26693 · cited by 0 works (OpenAlex) · open-access PDF

French

Les modèles de langues autorégressives émettent un jeton par passage avancé. Cela provoque une latence d'inférence élevée, en particulier lorsque les modèles sont évolués pour la qualité. Dans ce document, nous présentons des modèles de langue parallèle (PLMs), qui génèrent des jetons mutuellement cohérents dans un passage avancé en routageant des dépendances à travers des variables auxiliaires latentes. Les PLM sont formés en utilisant un lien de variation qui réduit à une perte autorégressive plus une perte de décodage parallèle. Empirieusement, les PLMs sont sur une frontière de Pareto plus rapide et meilleure que les lignes de base de diffusion autorégressives et discrètes. Les PLMs prétrainés

Machine translation (Meta M2M100); the English original follows.

Abstract

Autoregressive language models emit one token per forward pass. This causes high inference latency, in particular as models are scaled up for quality. In this paper, we introduce Parallel Language Models (PLMs), which generate mutually consistent tokens in one forward pass by routing dependencies through latent auxiliary variables. PLMs are trained using a variational bound that reduces to an autoregressive loss plus a parallel decoding loss. Empirically, PLMs are on a faster and better Pareto frontier than autoregressive and discrete diffusion baselines. Pretrained PLMs achieve near-autoregressive pretraining loss on model scales of 80M to 3B parameters, and speedup follows a power law in model size. When post-trained, our 1.3B model matches or exceeds an identically trained autoregressive model on math, coding, and instruction-following benchmarks, speeding up inference $2.3\text{-}5.7\times$. Together, we show that parallel generation can be trained from a single training objective at autoregressive quality. We will make our code available at https://github.com/mandt-lab/plm.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Autoregressive model, Language model, Computer science, Inference, Decoding methods, Algorithm

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange