dllm

dLLM 是一个面向离散扩散语言模型（Diffusion Language Models）的开源训练与评估框架。它提供基于 Hugging Face Transformers 的可扩展训练流水线（支持 LoRA、DeepSpeed、FSDP），统一的评估接口（集成 lm-evaluation-harness），并实现了多种扩散建模范式，如掩码扩散（MDLM）、块扩散（BD3LM）和编辑流（Edit Flows）。项目聚焦于开放权重模型（如 LLaDA、Dream）的复现与实验，强调透明性与可复现性。适用于 NLP 研究者探索扩散机制在语言建模中的应用，尤其适合需要快速验证新扩散算法、进行可控文本生成或推理增强实验的学术与工程场景。