你请几个人合写一份长报告，最稳妥的办法是：第一人写完第一节，第二人才开始下一节。但这样很慢。更快的办法是，第一节有了像样的草稿，第二人就先动笔；上游稍后改动，下游再跟着修。FlowBlock做的正是这件事：让扩散语言模型的多个文本块重叠生成，同时利用模型已有的改字能力修补早期草稿。
这项工作值得看，是因为它没有重新训练模型，而是改变推理时的工作安排。论文声称，这种“波前并行”在保留自纠错和前缀缓存的同时，显著提高了生成速度。不过，FlowBlock目前是一篇arXiv预印本，以下效果均来自论文作者自己的实验，尚无第三方复现。
能同时改很多词，为什么还是慢？
扩散语言模型（Diffusion LLM，简称dLLM）不像常见模型那样严格从左到右逐词续写。它先面对一批空缺或噪声词元——词元可以粗略理解为模型处理文字的基本单位——再经过多轮修改，把草稿变成完整文本。
这种方式能同时处理多个位置，却带来缓存难题。KV Cache可以理解为模型阅读和生成时留在草稿纸上的中间结果，复用它就不必反复重算。若整段文字一直变化，缓存也要不断刷新。
分块解码因此把长输出切成固定长度的块。模型在一个块内同时改多个词；块定稿后，其KV Cache被冻结，成为后续内容可直接复用的前缀。问题在于，传统方法必须等前一块完全结束，下一块才能启动。块内可以并行，块与块之间仍是一条单行道。
FlowBlock抓住了自纠错扩散模型的一项现成能力：T2T editing，即token-to-token editing。模型不仅能把空缺填成词，还能直接替换已经写出的词。于是，下游块未必需要一个彻底定稿的上游块；只要上游草稿已经提供了足够信息，它就可以先写，随后再根据更新后的上下文纠错。
不是一拥而上，而是看信号放行
FlowBlock的第一项机制叫Gated Wavefront Decoding，可译作“带门控的波前解码”。波前并行像瓦工沿一条斜线同时铺砖：下游不用等上游全部完工，只要条件成熟就提前启动。
这里的关键是readiness gate，也就是“准备度闸门”。系统观察当前最前方的文本块：还有多少空缺位置已经达到模型原有的解码置信门槛。只有准备度超过设定阈值，下一块才进入并行窗口。
放得太早，下游依据不成熟的上下文起草，后面可能要花更多步骤返工；放得太晚，又会退回按块串行。论文的敏感性实验也显示，近乎不设门槛时准确率会落后于串行的LLaDA-2.1；适度门控可以追回这部分差距。换句话说，FlowBlock的妙处不是简单地“多开几个块”，而是把“前一块必须定稿”改写成一个可以调度的条件。
进入窗口的多个块会共同迭代，但提交仍严格按顺序。最左侧的块完成后才会被冻结，写入已提交前缀。论文设计的windowed block-causal mask——窗口化的块级因果注意力遮罩——规定每个块只能看见已提交前缀、自己和左侧块，不能偷看右侧的未来块。
这使已经冻结的前缀KV Cache可以精确复用，不必额外刷新。这里的“精确”只针对冻结前缀，并不表示整个波前中的临时草稿与串行解码逐步完全相同；近似性仍存在于尚未提交的活动窗口里。
每个请求走自己的进度，GPU仍整批计算
单条请求可以形成波前，批量服务却更麻烦。不同请求准备和完成的时间不同。如果所有请求必须同步前进，整批任务会被最慢的一条拖住；如果完全拆开运行，张量形状又会变得零散，不利于GPU高效计算。
FlowBlock的第二项机制Heterogeneous Wavefront Packing，即“异构波前打包”，让每个请求保留独立的窗口、完成状态和提交位置，再把各自正在活动的窗口拼成稠密、形状稳定的一批前向计算。绝对位置编号负责保留每段文字原来的位置，逐行的块对角注意力遮罩则隔开不同请求及其不可见区域。
论文称，这种打包只改变执行方式，不改变每条请求的解码策略；打包后的结果与逐条独立执行在词元层面一致。其消融实验也把收益指向了异步调度：批量增大后，统一步调的版本会受“慢请求”牵制，而独立波前仍能继续扩展吞吐。
数字说明了什么？
作者在LLaDA-2.1-mini上实现FlowBlock，并在四个数学、四个代码基准上测试。表中batch size为1时，FlowBlock的平均TPS——每秒生成词元数——为261.2，高于串行LLaDA-2.1的177.9和LLaDA-2.0的115.7；平均单请求延迟分别为1.60秒、2.43秒和4.20秒。
质量没有随平均速度一起下降。八项基准的平均分中，FlowBlock为87.00，LLaDA-2.1为85.70，提升1.3个百分点。这个“点”不是1.3%，而是平均分的百分点差。单项并非全胜，例如MATH500上FlowBlock为76.20，略低于LLaDA-2.1的77.00；但四个代码基准上，FlowBlock均取得更高分。
论文摘要还报告了最佳场景数字：相对LLaDA-2.1和LLaDA-2.0，TPS最高分别达到2.95倍和4.01倍，延迟最高分别降低53.6%和77.1%。与需要训练的块间并行方法D2F相比，FlowBlock准确率更高，批量服务吞吐最高达到其16倍。这些都是“最高”结果，不能理解为所有任务或常用设置下都能获得同等增益。
为什么值得关注
FlowBlock改变的不是模型会什么，而是系统何时让它做什么。它把自纠错从一种提高文本质量的能力，进一步变成了并行调度的缓冲区：下游可以在略微陈旧的上下文上先写，模型随后负责收拾误差。
这为非自回归语言模型提供了一条不同的提速路线。过去，分块帮助它们重新利用KV Cache，却又引入块间串行；FlowBlock试图同时保住缓存、自纠错和跨块并行。更重要的是，它作用于推理阶段，不要求为并行能力再蒸馏一个专用检查点，也不需要修改模型内核。
局限与未知
- 证据目前只来自作者论文。尚无同行评审结论、独立机构复现或真实线上负载验证。
- 最亮眼的2.95倍、4.01倍和16倍均为最佳场景指标。供稿中的实验摘录没有完整呈现这些峰值对应的硬件型号、batch size、序列长度、具体基准配置及统计波动。
- FlowBlock依赖模型原本具备T2T自纠错能力。论文验证对象是LLaDA-2.1-mini；这套调度能否原样推广到其他扩散语言模型，材料尚未给出答案。