마스크 확산 언어 모델(MDLM)은 빠르고 비자동회귀적인 텍스트 생성을 약속하지만, 기존의 샘플러는 모델의 신뢰도에 기반하여 토큰을 언마스크하는 방식으로 여러 위치를 병렬적으로 언마스크할 때 상호작용을 무시하여 느린 자동회귀적 동작으로 축소됩니다. 본 논문에서는 희석된 언마스크 스케줄러(DUS)를 제안합니다. DUS는 추론 전용, 플래너-모델-프리 방식으로 시퀀스 위치를 비인접한 희석된 그룹으로 분할하고 각 잡음 제거 단계에서 공동 엔트로피 이득의 상한을 최소화하도록 병렬적으로 언마스크합니다. 네트워크 호출 수와 생성 품질 간의 절충을 명시적으로 함으로써 DUS는 기존의 병렬 언마스크 전략에서 손실된 성능의 대부분을 회복합니다. 수학(GSM8K, MATH500), 코드(HumanEval, MBPP) 및 일반 지식 벤치마크(BBH, MMLU-Pro)에서 DUS는 기본 디노이저를 수정하지 않고도 신뢰도 기반 플래너보다 성능이 뛰어나며 MDLM의 실제 속도-품질 프런티어를 보여줍니다.
