Kuleshov 연구팀의 가이드는 텍스트를 왼쪽부터 고정하는 자기회귀 방식과 달리, 확산 모델이 여러 위치를 반복 수정하는 원리를 설명한다. 마스킹, 블록 단위 가변 길이 생성, 증류와 사후학습을 연결해 구현 방향을 다룬다. 수정 횟수를 줄이면 속도를 얻지만 품질과 균형을 맞춰야 한다. 모든 작업에서 기존 언어 모델보다 우월하다는 검증 결과는 아니다.