视频 1 ：单样例推理速度对比： SGLang 部署的 Qwen3-8B (NVIDIA) vs. LoPA-Dist 部署 (NVIDIA & Ascend) （注： NVIDIA 平台相同，配置对齐） 本文作者团队来自上海交通大学 DENG Lab 与华为。该研究由徐晨开、金义杰同学等人共同完成，指导教师为邓志杰老师。DENG Lab 隶属上海交通大学，致力于 高效、跨模态生成模型的研究。 实验显示，LoPA 将 D2F-Dream 在 GSM8K 基准上的单步生成 Token 数（TPF）从 3.1 提升至 10.1，并行度提升超 3 倍。配合团队自研的 LoPA-Dist 分布式推理系 统，在华为 Ascend 910C 平台上实现了 1073.9 tokens/s 的单样本吞吐量，不仅大幅超越基线模型，更将 dLLMs 的推理效率推向了新高度。 论文地址：https://arxiv.org/abs/2512.16229 代码地址：https://github.com/zhijie-group/LoPA 博客地址：https://zhijie-group.github.io/blogs/lopa 图 ...