Diffusion Language Models (DLMs)은 텍스트 생성에서 강력한 잠재력을 보여주고 있으며, 자기 회귀 모델의 경쟁력 있는 대안으로 부상하고 있습니다. 이 논문에서는 텍스트 생성 품질에 중요한 영향을 미치는 노이즈 제거 전략에 주목합니다. 기존의 Standard Diffusion과 BlockDiffusion의 단점을 보완하기 위해, WavefrontDiffusion이라는 동적 디코딩 방식을 제안합니다. WavefrontDiffusion은 완성된 위치에서부터 활성 토큰의 파면을 바깥쪽으로 확장하는 방식으로, 계산 비용은 블록 기반 방법과 동일하면서도 의미론적 구조의 자연스러운 흐름을 따릅니다. 추론 및 코드 생성 분야의 4가지 벤치마크에서 WavefrontDiffusion은 더 높은 의미적 충실도를 가진 출력을 생성하며, 최첨단 성능을 달성하여, 적응형 스케줄링의 가치를 보여줍니다.
