arXiv 论文提出 PACT：为扩散语言模型并行解码写入 token 提供认证
原文标题：PACT: Certifying What Is Written in Parallel Decoding of Diffusion Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对掩码扩散语言模型并行解码中提交规则只看预测分布、不看实际采样 token 的问题，论文提出免训练提交规则 PACT：先采样再认证将写入的 token 集合，并拉开每步位置间距。在 LLaDA 与 Dream 系列四个模型及 HumanEval、GSM8K 等基准上，PACT 以更少前向次数达到同类质量，并显著减少重复词。
- 问题
- 掩码扩散语言模型并行解码的提交规则只看预测分布，不看实际采样出的 token。
- 方法
- 免训练提交规则：先采样再认证将写入的 token 集合，并拉开每步位置间距；给出同保证下的最优性。
- 结果
- LLaDA 与 Dream 四个模型在 HumanEval、GSM8K 等基准上以更少前向次数达到同类质量，重复词显著减少。
- 影响
- 扩散 LLM 推理加速可直接换用该提交规则，且代码已开源，工程落地门槛低。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PACT让扩散语言模型先采样再认证写入token，更少前向次数达同等质量。
- •现有提交规则只看预测分布，看不到实际采样的token，PACT改为先采样再认证写入集合。
- •认证在每个温度下成立，且证明同等保证下没有规则能提交更多位置。
- •在LLaDA与Dream四模型、HumanEval/GSM8K等五个基准上，以更少前向次数达同类质量。
- •拉开每步位置间距虽减少单步位置，但后续步写入更多token，总成本通常更低。
- •同速度下，已发表解码器连续重复同一词的情况远多于PACT。
为什么重要：对做扩散语言模型推理加速的团队：提交规则应认证实际写入的token，这是可直接替换的免训练改动。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。