DFlash 的架构密码——扩散模型如何「寄生」在自回归模型上

好，先搞清楚问题是什么。

大语言模型写代码的时候，是一个字一个字往外蹦的——这是自回归，token by token。GPU 很强，但这种串行方式让它大部分时间都在等，利用率低得可怜。

以前有人想了个办法叫 Speculative Decoding：让一个小模型先快速"猜"一串 token，大模型再并行验证。猜对了就省时间。EAGLE-3 是这个方向的顶尖方案，但问题来了——它的"猜"模型也是自回归的。猜 8 个 token 要跑 8 次，成本线性增长。所以只能做得很浅（1 层 Transformer），猜不准。

DFlash 发现了一个关键点：扩散模型可以做这个"猜"的工作，而且一次能猜一堆。

但这里有个陷阱。如果只是随便找个扩散模型来猜，效果会很差。为什么？因为小模型不知道怎么猜——它不像大模型那样"理解"上下文。

DFlash 的核心洞察很简单：the target knows best（目标模型最懂）。

大模型的隐藏层里，包含了关于未来 token 的信息。不是显式的"下一个字是什么"，而是隐式的、丰富的上下文。DFlash 的做法是：把这些隐藏状态抽出来，注入到小模型的每一层。

不是只在输入层给点提示，而是在每一层都注入。这叫 KV Injection——把大模型的 Key 和 Value 直接塞进小模型的 KV cache 里。小模型在每个 layer 都能看到大模型的"思路"。

这带来了什么变化？

EAGLE-3 的问题是：信息在输入层进去，随着层数加深越来越稀释。加层数收益递减。DFlash 把信息直接注入每一