Large Language Models (LLMs) ส่วนใหญ่ทำงานแบบ Autoregressive หรือการทำนายคำถัดไปทีละคำ แต่งานวิจัยล่าสุดได้นำเสนอ Diffusion Language Models (DLMs) ที่สร้างข้อความผ่านกระบวนการลบสัญญาณรบกวน (Denoising) แบบวนซ้ำ ซึ่งช่วยให้สามารถปรับปรุงข้อความทั้งประโยคได้พร้อมกัน
งานวิจัยนี้ทำการวิเคราะห์โมเดล DLM ระดับแนวหน้า 8 รุ่น ผ่านเกณฑ์มาตรฐาน 8 ชุดที่ครอบคลุมทั้งด้านการเขียนโค้ด การใช้เหตุผล และการแก้ปัญหาโครงสร้าง ผลการศึกษาพบว่าพฤติกรรมของ DLM ขึ้นอยู่กับปัจจัยในขณะประมวลผล (Inference-time) อย่างมาก เช่น จำนวนขั้นตอนในการลบ Noise และความยาวของ Context ซึ่งทำให้เกิดการแลกเปลี่ยน (Trade-off) ระหว่างคุณภาพของผลลัพธ์และความเร็วในการประมวลผลที่แตกต่างจากโมเดลทั่วไป
