arXiv · cs.AI· Minhae Oh, Nakyung Lee, Jungwoo Lee·· 5 小时前
DCGC：利用掩码扩散模型全局修正复杂推理轨迹
DCGC: Draft-Conditioned Global Correction for Complex Reasoning with Masked Diffusion Models
arXiv:2608.25428v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Minhae Oh, Nakyung Lee, Jungwoo Lee
研究任务与主要进展
作者提出DCGC，一种利用上游解题器不完美草稿作为辅助上下文、对复杂推理轨迹进行全局修正的掩码扩散模型框架。它结合任务特定SFT与推理时Dynamic Dual-CFG机制，按相对置信度差缩放草稿条件残差；基于论文摘要，DCGC在数学、代码和知识推理基准上优于标准采样及简化CFG变体，并在无法获得真实失败标签的测试时场景中改善完整测试集准确率，额外结果提示其可迁移至不同扩散骨干。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org