Binary Discrete Diffusion：面向逻辑与规划任务的候选集扩散模型

研究提出Binary Discrete Diffusion，在Sudoku-Extreme等任务上持续优于masked和uniform扩散基线。 该模型采用二进制成员向量表示每位候选集，通过添加和移除机制保留部分不确定性，最大增益出现在最难实例上。 结果表明候选集是迭代推理的有效中间表示，且corruption kernel会显著改变反向模型的学习计算。