本文综述离散生成模型进展，涵盖离散流、去噪流、GraphDF、D3PM、MAD Mix等方法，应用于语言、分子图、图像与点云建模。研究表明：离散自回归流优于自回归基线，离散二部流可与之竞争；DDFs优于Discrete Flows；D3PM过渡矩阵选择关键；新方法在速度与质量上显著提升。

该文综述扩散模型进展：提出离散数据连续时间去噪框架与CTMC采样器，加速离散扩散并提升样本质量；设计连续动力系统去噪网络，大幅减少参数与计算量，推理提速70%；D3PM用过渡矩阵改进离散生成；扩散桥、随机控制及Step-Adaptive Training提升去噪、异常检测与训练效率。