扩散语言模型步骤级拼接推理框架提出

Roy Miles等作者提出免训练框架 Stitching Noisy Diffusion Thoughts：用掩码扩散语言模型并行、独立地低成本采样多条推理轨迹，再由现成的过程奖励模型（PRM）给每个中间步骤打分，把跨轨迹的高质量步骤拼成复合推理链，只重算最终答案。 作者称，在六项数学与代码任务上，该框架平均准确率最高提升 23.8%；相对 Dream、LLaDA 等扩散模型和 TiDAR 等统一架构，延迟最多降低 1.8 倍。代码已公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。