评分 7.0 · 来源：cs.LG updates on arXiv.org · 发布于 2026-03-26
评分依据：用删除-插入替代掩码范式，理论上更优雅且效率更高
要点
DID（Deletion-Insertion Diffusion）将 token 删除和插入形式化为离散扩散过程，替代 MDLM 的掩码/去掩码。提升训练和推理效率。
🤖 AI 点评
掩码语言模型的固有局限（固定 mask 率、单一方向）长期存在。DID 的双向操作理论上更接近自然的编辑过程。
评分 7.0 · 来源：cs.LG updates on arXiv.org · 发布于 2026-03-26
评分依据：用删除-插入替代掩码范式，理论上更优雅且效率更高
DID（Deletion-Insertion Diffusion）将 token 删除和插入形式化为离散扩散过程，替代 MDLM 的掩码/去掩码。提升训练和推理效率。
掩码语言模型的固有局限（固定 mask 率、单一方向）长期存在。DID 的双向操作理论上更接近自然的编辑过程。