Test-Time Scaling for Diffusion Language Models with Frequency-Aware Remasking

扩散语言模型（DLMs）通过迭代去噪生成文本，其中决定哪些词应提交或重掩的决策对输出质量影响显著。现有确定性策略依赖于即时置信度或熵，但这些局部信号在复杂推理问题中可能误导。我们提出将DLM测试时的缩放问题作为对推理计算和解码策略的动态分配。