DCGC：掩码扩散模型全局校正复杂推理轨迹

Minhae Oh、Nakyung Lee、Jungwoo Lee 发布 arXiv 论文（v2），提出 DCGC 框架：用掩码扩散模型将上游解题器不完美的草稿作为辅助上下文，对复杂推理轨迹进行全局修正。方法上结合任务特定 SFT 与推理时的 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；在无法获得真实失败标签的测试时场景中，通过修正低共识的上游输出改善完整测试集准确率。额外结果提示该框架可迁移至不同扩散骨干。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。