Sakana AI 提出 UnMaskFork：用模型切换为掩码扩散语言模型做推理时扩展

Sakana AI 在 ICML 2026 论文中提出 UnMaskFork（UMF），让多个掩码扩散语言模型（MDLM）协作完成同一个答案，通过"模型切换"而非提高温度来产生多样性，并用蒙特卡洛树搜索决定各模型负责的解码阶段。该方法无需额外训练或改动模型，在编码基准上持续优于现有推理时扩展方法，在数学任务上也随计算量增加稳步提升。