PACT：为扩散语言模型的中间草稿步骤提供有效训练信号

PACT 为扩散语言模型的强化学习训练提供更有效的中间步骤信号。该方法同时学习语言模型的响应策略与未完成答案的评分，以完整答案的奖励为锚点，使每个生成步骤的偏好变化与奖励变化相匹配。