无训练提升dLLM推理16%

扩散大语言模型（dLLM）可在推理阶段通过新框架RFG实现自我改进，性能提升最高达16.1%。

此前提升dLLM能力通常依赖昂贵的后训练、额外数据或奖励模型。RFG提出一种免训练方法，直接从模型检查点中提取引导信号，解决了部分掩码中间状态缺乏明确指导的问题。

该研究由斯坦福大学团队完成，理论证明可通过策略与参考模型的对数似然比参数化奖励信号。实验显示，尽管完全无需训练，其增益可媲美甚至超过资源密集的强化学习技术。

目前为预印本结果，尚待社区独立复现验证。