苹果机器学习研究团队提出了一种名为LaDiR（Latent Diffusion Reasoner）的创新推理框架，为大型语言模型（LLM）的文本推理能力带来了显著提升。LaDiR框架的核心在于巧妙地将连续潜在表示的强大表现力与潜在扩散模型的迭代精炼能力相结合，为现有的LLM提供了一个全新的推理范式。与传统自回归模型逐字生成推理过程不同，LaDiR能够在潜在空间中并行生成多样化的推理路径，这使得模型能够从整体上规划和修正其推理步骤，而非局限于局部序列。实验结果表明，LaDiR在多个基准测试中，在推理准确率、生成结果的多样性以及推理过程的可解释性上，均一致超越了现有的自回归方法、扩散基础方法以及纯潜在推理方法。这一成果不仅为提升LLM的“思考”质量提供了新路径，也预示着潜在扩散模型在复杂自然语言任务中的应用潜力正被进一步释放，有望推动人工智能在需要深度逻辑和规划的任务中取得更大突破。