一份沿着真实疑问展开的学习复盘。重点不是背算法缩写，而是能回答：数据从哪里来，网络输入输出是什么，loss 为什么这样写，梯度更新谁，部署时究竟调用什么。 整理日期：2026 年 9 月 16 日。本文以经典算法的主要形式为准；不同论文版本和工程实现可能有所调整。数值例子用于解释机制，不代表实验结果
扩散语言模型每一步既要决定填什么 token，也要决定先填哪些位置。常见的置信度、概率差值、低熵策略，都根据当前预测选择位置。但当前容易预测，不代表填入后有利于后续生成；早期错误一旦固定，还可能继续传播。 LookUM 的核心是：提出几种填法，试填后重新预测，选择让后续状态更确定的分支。 技术方案：
论文总结：Learning Unmasking Policies for Diffusion Language Models 核心思想： 不再人工规定扩散模型的生成顺序，而是通过强化学习自动决定每一步解除哪些 Mask。 具体方法： 建模： 将解掩码过程定义为 MDP，冻结原始扩散模型。 策略： 使
巴巴博弈队 · 计图挑战赛赛道一项目复盘 A 榜：1.534806，第 5 名；B 榜：1.3829，第 8 名 写在前面 如果只看最终方案，这个项目似乎可以被概括成一句话：提取时序图特征，训练 LightGBM 和 Jittor 排序模型，再把两者融合。 但这句话恰好省略了最重要的部分。 我们真正
