以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Diffusion language models (DLMs) generate text through iterative denoising, enabling bidirectional context modeling and parallel token refinement. Recent studies have applied reinforcement learning (RL) to DLMs and improved their reasoning performance. However, the iterative denoising process makes credit assignment mo
阅读原文 · Hongze Chen, Miao Pan, Lizhou Liang, Qinfeng Li, Xinyin Ma, Yongliang Shen, Weishi Wang, Daniel Dahlmeier, Xuhong Zhang, Wenqi Zhang
向阳乔木 · opencode-go/deepseek-v4.1-flash
扩散语言模型做强化学习，卡点不在奖励设计，在信用分配。这篇论文就冲着这个来。 对 DLM 来说，一句话的生成是多次去噪迭代出来的。最后给一个对错奖励，模型很难知道是哪一步、哪个 token 的决策起了作用。这篇论文提出 DTCA，试图把奖励拆到 token 级别，再按词性分组，挑出有信息量的去噪时间步。 如果你在做 DLM 的后训练，尤其是想把 RL 用到推...