扩散语言模型并行解码掉点严重：RePara 用两词块强化训练，GSM8K 从 28.20 提到 68.54
扩散语言模型每步并行提交多个词元时准确率会大幅下滑，RePara 用分组相对策略优化强化连续短词元块，在 LLaDA 上把 GSM8K 的 Diff#16 准确率从 JustGRPO 的 28.20 提到 68.54。
扩散语言模型每步并行提交多个词元时准确率会大幅下滑，RePara 用分组相对策略优化强化连续短词元块，在 LLaDA 上把 GSM8K 的 Diff#16 准确率从 JustGRPO 的 28.20 提到 68.54。
已读完全部报道