调度思维：学习扩散语言模型中的思维顺序

掩码扩散语言模型通过迭代解掩码生成 token，其解掩码顺序定义了影响生成质量的“思维顺序”，通常依赖启发式选择。本文推导了序列解码不匹配的可处理上界，将其转化为基于路径对数似然的策略优化问题。提出的自感知调度（SAS）方法利用组相对策略优化学习轻量级顺序策略，适用于任意顺序及半自回归解码。在数独和数学推理基准测试中，SAS 显著提升了准确率，优于传统启发式调度方法。