**HuggingFace 论文:揭示掩码扩散语言模型中状态自适应的关键时机**

_Unmask the State: When Does State Adaptation Matter for Masked Diffusion Language Models_

> 该研究分析了掩码扩散语言模型(MDMs)推理过程中的策略反转现象,提出通过轻量级检测器识别高价值自适应状态。实验表明,选择性自适应比统一应用更有效,能在仅调整 10% 状态的情况下捕获 56.9% 的潜在性能增益。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.33355)