**DTCA：扩散语言模型的强化学习去噪令牌信用分配框架**

_DTCA: Denoising Token Credit Assignment for Reinforcement Learning in Diffusion Language Models_

> 针对扩散语言模型（DLMs）在强化学习中面临的信用分配难题，本文提出了 DTCA 框架。该框架通过测量令牌承诺后剩余掩码位置的预测置信度提升，结合词性分类来估算令牌贡献，并利用策略更新引发的令牌熵变对学习信号进行校准。实验表明，DTCA 在 LLaDA-8B-Instruct 模型上显著提升了数学推理能力，在 MATH500 和 GSM8K 数据集上分别取得了 9.0 分和 5.3 分的提升。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.35201)