超越顺序性瓶颈：一种用于高效多模态推理的混合扩散-自回归框架

自回归模型（ARMs）在推理过程中面临“顺序性瓶颈”，而扩散语言模型（DLMs）虽然支持并行处理，却缺乏语义连贯性。为解决这两方面的局限，我们提出 Collaborative Reasoning Asymmetric Learning（CoRAL），这是一种基于 Asymmetric Planner-Executor（APE）架构的混合框架：DLM Planner 并行生成 K 条多样化的推理轨迹，而大型 ARM Executor 选择最优方案并综合生成最终答案。为有效训练 Planner，我们提出 Reward-Guided Denoising for CoT（RDC），将基于结果的奖励融入扩散过程，引导模型朝着目标导向的推理方向发展。在视觉-语言基准测试中的实验表明，CoRAL 显著优于以往基于扩散的方法，并且相较于强大的 ARMs 也取得了具有竞争力的性能，同时实现了更高的效率和质量。