主要观点：苹果开源了用于编码任务的扩散大语言模型（dLLM）DiffuCoder，它基于[Qwen-2.5-Coder]，在多个编码基准测试中优于其他代码特定的大语言模型。dLLM 并行去噪生成文本，速度更快，苹果研究其以探究最佳微调与推理策略，开发了改进性能的耦合 GRPO 技术。大多数大语言模型自回归生成文本，dLLM 类似图像生成模型，可更快生成输出且不受左右顺序限制，苹果研究还创建了自回归性度量指标，发现 dLLM 生成代码时该指标下降，增加采样温度可提高编码基准的“pass@k”分数，进而开发出耦合 GRPO RL 训练提升结果。在 Hacker News 讨论中，用户认为扩散模型更适合编码，苹果的 on-device 策略将使相关模型融入 Xcode 编码体验。
关键信息：开源模型为 DiffuCoder，基于[Qwen-2.5-Coder]，超其他代码大语言模型；dLLM 并行去噪生成快，苹果研究其策略；开发耦合 GRPO 技术提升性能；多数大语言模型自回归生成，dLLM 类似图像模型；创建自回归性度量指标，发现其生成代码时指标下降；增加采样温度提高“pass@k”分数；相关代码在 GitHub ，模型文件可从 Huggingface 下载。
重要细节：在[MBPP]编码基准测试中，DiffuCoder 优于[Gemini Diffusion]且与 GPT-4o 有竞争力；有用户认为扩散模型适合编码，苹果 on-device 策略将使相关模型融入 Xcode ；苹果研究得出 RL 微调模型推理能力受基础模型采样能力限制，耦合 GRPO RL 训练提升了结果等。