复旦北大联合美团提出TDAR：破解Block Diffusion速度精度悖论|复旦|推理|知名企业|算法|置信度|美团|速度|阈值

如今，Test-Time Scaling（测试时扩展）已成为提升模型推理能力的关键路径。而在这一浪潮中，块扩散语言模型（Block Diffusion Language Models, BDLMs）凭借其独特的并行解码能力，被视为超越传统自回归（AR）模型推理效率的有力竞争者。

然而，现有的 BDLMs 在面对长链推理时，陷入了一个两难的效率 - 效果博弈：大块（Large Block）解码速度极快，但在复杂推理中容易出错，导致性能大幅下降；而小块（Small Block）虽然推理准确，但退化为接近自回归的速度，失去了扩散模型的并行优势。同时，现有的解码策略（如固定置信度）无法适应长推理链中 “难易交替” 的动态特性。这引出了一个核心问题：如何在保持 Block Diffusion 高效并行优势的同时，解锁其在复杂推理任务上的 Test-Time Scaling 潜力？

近期，复旦大学 NLP 实验室（FDU NLP）、北京大学知识计算实验室（KCL）联合美团 LongCat Team 提出了一种 Block Diffusion 推理模型 Test-Time Scaling 新框架 TDAR，通过引入“粗思考，细求证” (Think Coarse Critic Fine, TCCF) 范式与有界自适应置信度解码 (Bounded Adaptive Confidence Decoding, BACD)，成功打破了速度与精度的零和博弈。

论文标题：Advancing Block Diffusion Language Models for Test-Time Scaling
论文链接：https://arxiv.org/abs/2602.09555
代码链接：https://github.com/LuLuLuyi/TDAR
模型链接： https://huggingface.co/lulululuyi/TDAR-8B-Thinking

TDAR-8B-Thinking 在 AIME24 上的性能与速度对比图。TDAR 位于右上角，展示了在保持高推理速度的同时实现了 SOTA 的准确率。

核心创新：双重自适应机制

为了解决上述痛点，研究团队提出了一套统一的测试时扩展框架 TDAR，如下图所示，该框架包含两个核心设计：有界自适应置信度解码（BACD）与 “粗思考，细求证” (Think Coarse Critic Fine, TCCF) 范式。

TDAR 方法概览。展示了 TCCF 流程（Coarse Thinking -> Fine Critic）以及 BACD 的动态阈值机制。

1. 解码层：BACD (Bounded Adaptive Confidence Decoding)

传统的动态解码往往依赖固定的置信度阈值，这在长链推理中极易导致 “一步错，步步错”。研究团队提出了有界自适应置信度解码（BACD）算法，该算法利用已生成 token 的平均置信度作为信号，动态调整当前的去噪阈值。同时，为了实现效率和效果的兼顾，增加了双重边界保护机制：上限（Upper Bound）负责在模型自信时激进加速，下限（Lower Bound）负责在模型不确定时强制保守，防止错误累积。这使得模型能够像人类一样，简单步骤快思考，困难步骤慢推敲。

2. 范式层：TCCF (Think Coarse, Critic Fine)

长链推理并非均匀的过程，而是由 “探索” 和 “验证” 组成的异质序列。在探索阶段，思维发散但推理内容较为粗糙，而在验证阶段，需要更加精细的验证和总结。研究团队提出了 TCCF 范式，根据推理阶段的功能分配不同的计算粒度：

Think Coarse（粗思考）：使用大 Block Size (block_size=16) 进行快速的探索性推理，迅速铺开思维路径。
Critic Fine（细求证）：使用小 Block Size (block_size=1) 进行精细的验证、纠错和总结，确保最终答案的正确性。

此外，为了支持大 Block 的高效训练，研究团队引入了 Progressive Block Size Extension（渐进式块大小扩展）策略，有效缓解了 Block Size 增大带来的性能衰退。

实验结果：速度与精度的双重飞跃

研究团队在 Math500、AIME24、AIME25、AMC23、GPQA、LiveCodeBench 共6个主流推理基准上评估了 TDAR-8B-Thinking。

实验结果表明，TDAR-8B-Thinking 在 8B 规模的 Block Diffusion 模型中取得了最佳性能，平均性能超越前 SOTA 模型 TraDo-8B 3.4 个百分点，解码速度从 1.27 TPF 飙升至 2.97 TPF。

结合 BACD 算法后，速度进一步提升至 3.37 TPF 且性能再涨 1.6 个百分点；叠加 TCCF 范式后，在 AIME24 复杂数学任务上准确率从 36.3% 提升至 42.9%，同时维持 3.04 TPF 的高速度，实现了速度与性能的完美平衡。

实验结果表格。TDAR-8B 及其变体在各项指标上均优于现有的自回归和扩散模型基线。

深度分析：解构 TDAR 的性能来源

为了探究 TDAR 高效背后的机制，研究团队对 Block Size、解码策略及 TCCF 范式进行了多维度的量化分析。

1. 突破效率瓶颈：BACD 解锁高能效区间

研究团队将 BACD 与 BDLMs 中主流的采样算法进行了对比，包括 Static Confidence Decoding（固定步数，性能上限但效率低）和 Dynamic Confidence Decoding（动态阈值）。

首先，研究团队比较了在不同阈值下的性能与速度权衡。如下图所示，对于 Dynamic Confidence Decoding，随着置信度阈值（Threshold）的降低，模型的性能会出现肉眼可见的衰退。相比之下，BACD 在获得持续效率增益的同时，依然维持了稳定的性能表现。

BACD 与 Dynamic Confidence 等方法的效率 - 准确率在不同 threshold 对比

研究团队对 BACD 在不同阈值下，模型输出的行为进行了分析，相比于标准的动态置信度解码，BACD 在不同阈值下表现出极高的稳定性。分析显示，BACD 有效避免了低阈值下的 “模型崩溃” 和 “重复生成” 问题，证明了 BACD 在动态调整去噪步数时具有显著的优越性。

BACD 在不同阈值下的性能稳定性分析。

2. Block Size 的权衡

Block Size 是影响 BDLMs 性能与效率的关键变量。研究团队深入探究了其非线性影响：

如下图所示，随着 Block Size 增大，推理速度呈线性增长，但生成质量会出现显著衰退。通过权衡分析，研究团队锁定 B=16 为 8B 模型的最佳平衡点（Sweet Spot）。TDAR 在此设置下，既保留了并行解码的速度优势，又通过渐进式训练（Progressive Extension）维持了强大的推理能力。