UnMaskFork: 掩码扩散模型的推理时缩放

UnMaskFork: 掩码扩散模型的推理时缩放

Sakana AI 在 ICML2026 发表论文 UnMaskFork，提出通过多个掩码扩散语言模型 (MDLM) 协作实现推理时缩放，使用蒙特卡洛树搜索在不同模型间切换以增加多样性。该方法无需额外训练，在编码基准上一致优于现有推理时缩放方法，在数学任务上也随计算量稳步提升。