Modelli Linguistici a Diffusione per la Compressione del Testo Senza Perdite

Un nuovo articolo su arXiv (2608.11249) propone l'uso di Modelli Linguistici a Diffusione (DLM) per la compressione del testo senza perdite, un allontanamento dai metodi tradizionali basati su LLM autoregressivi. Gli autori sostengono che i DLM possono superare le gravi limitazioni di throughput degli attuali approcci di compressione neurale, che, nonostante raggiungano rapporti di compressione superiori ai compressori generici come zstd, gzip o bzip, non sono ancora praticamente utilizzabili a causa dei vincoli di velocità. L'articolo introduce i DLM come un paradigma di inferenza alternativo all'interno dello stesso quadro di compressione, consentendo potenzialmente una compressione senza perdite pratica per dati testuali digitali, inclusi testo semplice, codice sorgente e formati strutturati come XML. Lo studio è motivato dalla rapida crescita della raccolta e dell'archiviazione di dati digitali e dai recenti progressi nella compressione basata su modelli linguistici neurali. L'articolo è disponibile su arXiv ed è stato annunciato come una sottomissione di tipo cross.