大模型下个范式：文本生成先写提纲，速度能快31倍

当前的大模型即便再聪明，输出内容时仍然是逐字生成。有没有一种可能：真正的通用人工智能（AGI）并非如此？

最近，斯坦福大学与Together AI的研究人员提出了一种全新的文本生成范式，既不同于自回归模式，也不同于扩散模式。他们将NeurIPS 2024最佳论文VAR在图像领域的“下一尺度预测”方法应用到文本中：让模型先并行生成几句话的“概念大纲”，再逐层并行补充细节，最终还原为完整文本。

这个新模型被命名为Next-Concept Modeling（NCM，下一概念建模），直接挑战主流Next-Token Modeling（下一token建模）的范式。

在多项实验中，NCM在质量相近或更优的前提下，实现了相对扩散语言模型10至31倍的生成速度提升。

论文标题：《Next-Concept Modeling: Fast, Parallel Coarse-to-Fine Text Generation》 论文链接：https://arxiv.org/abs/2610.14162 GitHub：https://github.com/HazyResearch/ncm

目前主流的大语言模型，如GPT、Claude、DeepSeek等，都属于自回归模型，通常根据已有内容预测下一个token，后续输出依赖于前面的结果。近两年兴起的扩散语言模型则可以同时处理多个位置，通过反复去噪逐步生成文本。但并行并非一步到位：迭代次数减少会导致质量下降，而每轮处理整段序列也会带来额外开销。

NCM的思路是改变“每一步生成什么”这一核心问题。它借鉴了图像生成中的下一尺度预测：画面可以先生成低分辨率版本，再逐级增加细节。既然文本可以通过扩散生成，那么文本是否也能拥有自己的“缩略图”呢？

难点在于这是两个不同维度的事情：图片缩小后通常仍能看出主体，但一句话删掉几个字就可能完全改变含义。因此，模型需要自行学习一种既能概括信息、又适合进一步细化的表示方式。为此，NCM设计了两个训练阶段。

首先是训练一个多尺度残差VQ-VAE。可以将其理解为一套文本编码与还原系统：将原文转换为多层离散编码，前面的编码较少，后面的编码更多，每一层继续补充之前未表达的信息。为了防止粗层“偷懒”，训练时会随机截去后面的细层，要求系统仅依靠剩余部分尽量还原原文。这样，模型就必须让前面的层承载有用的信息。

随后冻结这套系统，训练Transformer根据此前各层累积的表示预测下一层。在生成时，模型逐层推进，同一层的编码同时预测，最终由解码器还原为文本。

那么模型的实际效果如何？论文展示了德译英的翻译示例：NCM先将中间层解码出来，早期输出中仍有重复和不完整的表达，随着层级推进，内容逐渐清晰，最终在第十一步形成通顺的译文。这种思路是否更接近人类翻译的过程？

此外，NCM的另一个特点是速度快。一方面，需要依次执行的生成轮数减少；另一方面，早期只处理较短的编码序列，每轮的平均开销也有下降空间。

作者在单块H100 SXM 80GB上测试：在LM1B数据集上进行无条件生成，速度比强扩散基线快约21倍，生成困惑度更优；在OpenWebText数据集上，质量具有竞争力，速度约为10倍；在XSum摘要任务中，ROUGE-L指标相当的情况下，速度约为31倍。训练成本方面，两个数据集分别少用4.9倍和4倍的token，而对比对象DUO、MDLM在OpenWebText上需要跑100万步，处理超过5000亿个token。

在推理任务如数独中，NCM在更少的采样步骤下优于自回归和扩散基线。在仅有30条线索的困难题目上，NCM的完整解出率为86.1%，高于FMLM+的81.3%；生成器调用次数分别为12次和16次。

逐层细化整个棋盘，可能更有利于协调全局约束。这相当于让AI换一种角度来看待问题。

进一步展望，速度还可以换一种方式利用：在相同时间内生成多个候选，再从中挑选。团队尝试了最小贝叶斯风险解码，利用候选之间的相似性进行选择，进一步改善了翻译和摘要指标。

当然，距离通用大模型，NCM还有不少问题需要回答。论文主体实验使用的生成器约为1亿参数，规模扩展到7.25亿参数。扩大规模后能否保留优势，精确文本与长篇内容的表现如何，都需要后续验证。

如果说文字生成也可以被表示为“概念—细节”的层级结构，模型就可以先想清楚再动笔，这也是人类写作的方式。

这意味着未来文本生成的路线图可能会被改写。

参考内容： https://hazyresearch.stanford.edu/blog/2026-10-12-ncm https://scalingintelligence.stanford.edu/blogs/ncm/

本文来自微信公众号 “机器之心”（ID：almosthuman2014），编辑：泽南，36氪经授权发布。