LFPO：面向掩码扩散模型的高效 Token 级策略优化

研究者提出 Sequence Likelihood-Free Policy Optimization（LFPO），将扩散大语言模型（dLLM）的策略对齐转化为离散速度对齐，绕过序列级似然估计，直接通过对比式 Token 级更新优化去噪 logits。在推理与代码基准上，LFPO 的准确率匹配或超过基于似然的基线，同时显著加速推理，并可用更少的去噪迭代完成高质量采样。