ACL 2026｜块越大，推理越差？扩散语言模型的新难题被 T* 破解了
中文摘要
T*通过渐进式块缩放解决了扩散语言模型在大块生成时推理质量下降的问题，显著提升了数学推理能力。
English Summary
T* uses progressive block scaling to solve reasoning quality decline in large-block diffusion language models, significantly boosting mathematical reasoning performance.
Original Excerpt
📌 一句话摘要 本文介绍一篇 ACL 2026 论文，提出 T* 方法通过渐进式块缩放课程解决扩散语言模型中大块推理质量下降的问题，在 MATH500 等数学推理任务上取得显著提升。 📝 详细摘要 文章报道了来自上海科学智能研究院等机构的研究者在扩散语言模型领域的新工作 T*。论文指出，掩码扩散语言模型在采用分块生成时，块越大并行潜力越高，但推理质量反而下降，直接在大块上应用强化学习甚至会导致训练崩塌。T* 的核心是渐...