论文Agent 与开发者11:53ReMaRL:在冻结扩散语言模型中学习解掩码与重掩码策略掩码扩散模型的解码顺序其实很影响准确率,这篇论文用 0.3M 参数的小策略在冻结的 LLaDA-8B-Instruct 上学怎么解掩码和重掩码,数学和代码都跑赢了启发式方法。做扩散语言模型推理优化的人值得看。#ReMaRL#LLaDA#GRPO#扩散语言模型aarXiv cs.LG@Egor Shibaev 等 6 人原文稍后读已读值得跟进有用关注 ReMaRL