让掩码扩散模型从错误中学习：ProSeCo 自校正框架

研究者提出 Progressive Self-Correction（ProSeCo）训练与采样方法，让掩码扩散模型（MDM）同时执行去掩码与纠错，可迭代修正包括已生成 token 在内的整段序列。该方法在多项条件与无条件任务上实现更优的质量-效率权衡，采样速度最高提升约 4 倍且仍优于最佳准确率基线，并可通过推理时计算扩展在基准上再获约 1.2 倍提升。