从掩码生成到「再掩码」训练：RemeDi让扩散语言模型学会自我纠正与反思

西湖大学团队推出具备“再掩码”能力的扩散语言模型 RemeDi 9B，通过双流结构为每个 token 输出置信度，动态识别并修正生成中的错误，实现“边写边改”。该模型支持可变长生成，采用分块自回归策略，在数学推理、代码生成和问答任务中均超越同类模型。经 Remask SFT 与强化学习两阶段训练，RemeDi 在相近计算预算下显著提升生成质量，验证了自我反思机制对扩散语言模型的有效性。
来源：https://mp.weixin.qq.com/s/EHO4S057hkOz2jhc_yFNNQ