大模型下个范式：文本生成先写提纲，速度能快31倍

当前的大语言模型无论多么智能，其输出过程仍是逐字生成。是否存在一种可能：真正的通用人工智能（AGI）并非如此运作？

近期，斯坦福大学与Together AI的研究人员提出了一种文本生成新范式，既非自回归，也非扩散模型。他们将NeurIPS 2024最佳论文VAR在图像领域的“下一尺度预测”方法迁移至文本领域，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，直至形成完整文本。

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

在多项实验中，NCM以与扩散语言模型相当或更优的质量，实现了10到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（包括GPT、Claude、DeepSeek等）均采用自回归方式，基于已有内容预测下一个token，后续输出依赖先前结果。近两年兴起的扩散语言模型则能同时处理多个位置，通过反复去噪逐步生成文本。但并行并不意味着一步到位：减少迭代次数可能导致质量下降，而每轮处理整个序列也会增加计算开销。

NCM的思路是改变“每一步生成什么”这一核心问题。它借鉴图像生成中的next-scale prediction，即先产生低分辨率版本，再逐级添加细节。既然文本可以扩散生成，文本是否也能拥有自己的“缩略图”？

难点在于两者维度不同：图片缩小后通常仍能辨认主体，而一句话删掉几个字可能完全改变含义。因此，模型需要自主学习一种既能概括内容、又适合逐步细化的表示。NCM为此设计了两个训练阶段。

首先，训练一个多尺度残差VQ-VAE。这可以看作一套文本编码与还原系统：将原文转换为多层离散编码，前几层编码较少，后几层编码更多，每层补充之前未表达的信息。为防止粗层“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，模型必须确保前几层也承载有效信息。

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

模型表现如何？论文展示了德译英的翻译示例：NCM先解码中间层，早期输出包含重复和不完整表达，随着层级推进，内容逐渐清晰，到第十一步形成流畅译文。这种思路是否更接近人类翻译的过程？

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，每轮平均计算开销也有下降空间。

作者在单块H100 SXM 80GB上测试，LM1B无条件生成比强扩散基线快约21倍，且生成困惑度更优；OpenWebText上质量具有竞争力，速度约为10倍；XSum摘要任务中，在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。在仅含30条线索的困难题目上，NCM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。

逐层细化整个棋盘的策略，可能更有利于协调全局约束。这相当于让AI换一种视角看待问题。

展望未来，速度优势还可转化为另一种用途：在相同时间内生成多个候选结果，再从中筛选。团队尝试了最小贝叶斯风险解码，利用候选结果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仍有许多问题需要回答。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。扩大规模后能否保持优势，精确文本与长文本表现如何，均需后续验证。

如果文字生成也能表示为“概念—细节”的层级结构，模型就可以先思考再动笔，这正是人类写作的方式。

这意味着未来文本生成的路线图可能被改写。

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。