复旦与引望提出WAM-Diff2：自动驾驶VLA解码提速15.1倍且性能不降

复旦和引望提出WAM-Diff2，用三级蒸馏将自回归VLA转为扩散模型，解码提速15.1倍，多任务性能持平。

VLA（视觉-语言-动作模型，把驾驶场景理解、感知和规划统一成Token序列）常用自回归解码（逐个Token生成），速度慢且长时预测误差会累积。扩散模型（并行去噪生成）更快，但直接换架构性能大跌。复旦与引望的WAM-Diff2用三级蒸馏把成熟的自回归VLA平滑转成扩散架构，解码提速15.1倍，多任务性能不掉，长时规划更稳。