按置信度解码让掩码扩散模型走捷径，加法错误率放大一个数量级

掩码扩散模型按置信度选生成顺序会走「置信度捷径」，忽略长程依赖，作者自测称相关训练目标能把加法错误率推高一个数量级。

此前人们认为掩码扩散模型（MDM）可按任意顺序逐步还原文本，理论上能沿逻辑依赖展开中间步骤；但作者Dueun Kim与Albert No称，实际解码只优先输出高置信度词元，在多位加法中会先算高位数字而不追踪进位链。

作者自测的受控预训练显示，置信度引导的顺序常选次优序列；与置信度对齐的训练目标会把加法错误率推高一个数量级。实验代码已开源，结论限于作者自己的设置，效果待独立复现。