扩散大型语言模型（dLLMs）通过迭代去噪生成文本，但在多步骤推理上表现不佳。研究假设这一差距源于协调问题：自回归（AR）模型逐步构建一致性，而扩散模型必须同时协调所有位置。提出了一种计划条件的方法，该方法在扩散模型的提示前添加一个来自自回归模型的简短自然语言计划（约100个标记）。该计划作为一个固定的支架，提供了一个从第一去噪步骤起所有标记位置都可见的全局上下文。在GSM8K数据集上，计划条件使...