Synergistic Diffusion-AutoRegression（SDAR）是由上海人工智能实验室于 2025 年 10 月提出的，相关研究成果发表于论文「SDAR: A Synergistic Diffusion-AutoRegression Paradigm for Scalable Sequence Generation」。

SDAR 是一种协同扩散-自回归范式，建立了一个新的语言建模框架，结合了自回归的训练效率和扩散的并行推理能力，旨在协调自回归训练的效率与基于扩散的推理的并行性，其关键原则是解耦两个阶段：利用全规模的 AR 预训练来确保稳定性和效率，然后引入一个轻量级的适应阶段，使模型具备块状扩散解码能力。这种设计保留了 AR 的实际优势——如 KV 缓存、可变长度生成和强大的优化行为，同时释放了扩散独特的块内并行生成优势。