扩散语言模型引导不再多跑一遍前向：GCG只改注意力头特征，LLaDA-8B的Ruler从26.2升到29.5
扩散语言模型靠迭代去噪并行生成文本，但已有引导方法要额外构造一个弱模型，每个去噪步多一次前向，推理成本翻倍。GCG先分析发现这类模型在去噪时更依赖局部上下文、常低估远处证据，于是直接在特征空间放大负责全局上下文的注意力头输出，不建弱模型。在LLaDA-8B、Dream-7B和LLaDA-1.5上，GCG在多个基准上优于U-CFG和A-CFG，且LLaDA-8B的FLOPs与未引导基线相同。