本研究提出了自条件嵌入扩散机制，用于条件和非条件文本生成。该机制在令牌嵌入上运行，学习灵活和可扩展的扩散模型。研究表明，该模型生成的样本与自回归语言模型相当，且在推断时间上更高效。该研究为扩大文本扩散模型的规模，提高性能铺平了道路。

本研究提出了自条件嵌入扩散机制，用于条件和非条件文本生成。该机制在令牌嵌入上运行，学习灵活和可扩展的扩散模型。通过评估，发现该模型生成的样本与自回归语言模型相当，但在推断时间上更高效。该研究为扩大文本扩散模型规模，提高性能铺平了道路。

该研究提出了一种自条件嵌入扩散机制，可用于条件和非条件文本生成。该模型能够学习灵活和可扩展的扩散模型，生成的样本与标准自回归语言模型相当，且推断时间更高效。该研究为文本扩散模型的规模扩大和性能提高铺平了道路。