Bifocal dLLMs 用 Mamba 旁路解开 dLLM 的「KV 缓存困局」:R2LM 在 Qwen3-1.7B 上跑出 2.4×–12.9× 吞吐

扩散语言模型 dLLM 一直被「KV 缓存 + 双向上下文」二选一困住：双向注意力质量好但吃不上 KV 缓存，纯因果能用缓存但丢光右侧上下文。arXiv 2606.27732 提出 Bifocal dLLM 新范式并实例化为 R2LM（Right-to-Left Mamba），主干沿用带 KV 缓存兼容的标准因果注意力负责左侧精确上下文，旁路挂一条轻量反向 Mamba SSM 压缩表达右侧上下文，左右「双焦」拼接出双向信息。论文在 Qwen3-1.7B 上做 60B token 继续预训练，结果 R2LM 相比双向 dLLM 跑出 2.4×–12.9× 吞吐，批服务下相对 AR 基线 1.9×–2.9× 提速，质量在多数基准上超过纯因果基线、平均分压过双向 dLLM。解码主路径仍是带缓存的注意力，旁路只是 SSM 状态，能与现有 vLLM、KV 压缩方案直接叠加。