难 token 多算几轮，容易 token 一次过

两篇今日 Hugging Face 论文榜的高票新作，恰好一个管生成、一个管执行，都在回答同一个问题：计算与经验怎么按需分配。

ALoDLM：token 级的计算分诊

扩散语言模型并行生成速度快，质量却落后同规模的自回归模型。Liancheng Fang 等人的 ALoDLM（arXiv:2610.04198，今日榜 12 赞）把病根定位在计算错配：有的未知 token 一眼就有答案，有的需要反复琢磨，而现有 DLM 对所有位置一刀切地用同一深度。

解法是 token 自适应潜空间循环：每个去噪步先精修潜表征并按 token 难度分配计算，有把握的 token 立即提交为离散上下文退出计算，没解决的继续走循环精修。计算调度本身被当作潜变量，用条件负证据下界做联合训练。成绩单很硬：1.7B 与 8B 两个规模、十一个基准，全面胜过受评的全部扩散语言模型，也胜过对应规模的自回归基线，同时保住并行解码的速度。这与站内 Pivot-SD 的落子思想、Depth as Time 的时间折叠观察连成一条线：计算的位置与剂量，正在成为生成模型的新设计轴。页面未见代码链接。

ASCENT：干完活就地长记性

Haodong Lu 与 Dong Gong 的 ASCENT（arXiv:2610.05303，9 赞）研究在线 agent 测试时训练：agent 部署期间每个任务只执行一遍，执行轨迹加验证结果就是唯一学习信号，直接拿来做模仿或强化都会把策略带偏。ASCENT 的做法是自蒸馏：冻结一份初始模型当学生，把验证过的轨迹当特权信息喂给它，让它沿轨迹预测逐 token 分布，再蒸馏进持久化的 LoRA 快权重。全程不需要外部参照或更强的教师，无效动作轮次在训练前剔除。

ALFWorld、WebShop、AppWorld 三个环境里，成功率与交互效率都随经验累积上升，胜过在线适应基线，还能迁移到未见场景。项目页已开放，代码入口以项目页为准。

放在一起读

一篇在生成侧把计算花在难 token 上，一篇在执行侧把经验沉淀成快权重，共同点是拒绝平均主义。对工程团队的启示一致：先分诊，再分配，无论分的是算力还是经验。