注册

arXiv 论文提出 CoRAL 混合框架，用扩散规划器搭配自回归执行器

论文AI 评分 68/100arXiv cs.AI
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇提交至 arXiv cs.AI 的论文提出 Collaborative Reasoning Asymmetric Learning（CoRAL）框架，针对自回归模型的「顺序性瓶颈」与扩散语言模型并行但语义连贯性不足的问题，采用非对称 Planner-Executor 架构：由扩散语言模型担任 Planner，并行生成 K 条多样化推理轨迹；由规模较大的自回归模型担任 Executor，从中选出最优方案并合成最终答案。训练 Planner 时使用 Reward-Guided Denoising for CoT（RDC），把基于结果的奖励融入扩散过程，引导其进行目标导向推理。在视觉语言基准上，该方法优于此前的扩散类方法，与强自回归模型相比也具备竞争力，在效率与质量上均有表现。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

要解决的两个问题

论文把自回归模型在推理上的短板称为「顺序性瓶颈」：token 逐个生成，推理链条被串行展开。扩散语言模型能并行生成，但语义连贯性不足。CoRAL 的设计目标就是同时缓解这两点，而不是在两者之间二选一。作者把这一框架定位为混合方案，即让扩散模型负责发散、自回归模型负责收敛。

规划器与执行器如何分工

架构被命名为非对称 Planner-Executor（APE）。Planner 一侧是扩散语言模型，一次并行产出 K 条不同的推理轨迹，相当于先铺开多条候选路径；Executor 一侧是规模更大的自回归模型，负责在这些候选里挑出最优计划，并据此合成最终答案。两侧模型规模与职责并不对等，这也是「非对称」的含义。论文没有在摘要中给出 K 的具体取值与两侧模型的参数规模。

用结果奖励引导去噪

为了让 Planner 生成的轨迹不是随机发散而是朝目标推进，作者提出 Reward-Guided Denoising for CoT（RDC），把基于最终结果的奖励信号接入扩散去噪过程。这样 Planner 在训练阶段就能获得方向性，而不必等 Executor 筛选后才间接得到反馈。摘要未披露奖励的具体形式与训练数据规模。

实验结论与边界

在视觉语言基准上，CoRAL 相比此前的扩散类方法有明显优势，与强自回归模型对比时也达到有竞争力的水平，作者称其在效率与质量两方面同时占优。需要说明的是，材料只提供了摘要层面的结论，没有给出具体基准名称、分数、加速比或消融结果，这些细节需查阅论文全文。

为什么值得看

把扩散并行生成与自回归执行结合，为多模态推理效率提供了一条可复现的架构思路，值得关注推理加速方向的人一看。

论文

信源1 家

  1. [1]arXiv cs.AI一手信源Beyond the Sequentiality Bottleneck: A Hybrid Diffusion-Autoregressive Framework for Efficient Multimodal Reasoning

关键事实

  • 论文提出 CoRAL 混合框架，核心是非对称 Planner-Executor 架构[1]

  • Planner 由扩散语言模型并行生成 K 条多样化推理轨迹，Executor 由大型自回归模型选出最优方案并合成答案[1]

  • 训练 Planner 使用 Reward-Guided Denoising for CoT（RDC），将基于结果的奖励融入扩散过程[1]

  • 在视觉语言基准上，CoRAL 优于此前的扩散类方法，并与强自回归模型表现相当[1]

相关 · 论文

研究者提出用「逆向博弈论」约束AI智能体行为

11月3日 周二·AI 58

北大孙仲联合IBM等发布综述，重新定义现代模拟计算

11月3日 周二·AI 72

OpenAI 自 GPT-5.6 起部署激活分类器监控模型输出

11月3日 周二·AI 78

Pixel-UMI：从传感器化人类演示学习全身操作策略

11月3日 周二·AI 72

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论