先说结论：这篇机制配得上 Findings，abstract 配得上产品发布会。
前天挂上 arXiv 的，编号 2608.30922，牌子上写着 EMNLP 2026 Findings。满打满算两天，代码还没排上我手头那几个真实项目。所以这篇只拆话术层。我的规矩，48 小时内的东西叫第一印象，不叫结论。
abstract 第一句卖点就让我血压升了半格：「无需训练」。
这个组合我太熟了：免训练、即插即用、全线提升。厂商发布会这么讲，论文摘要现在也这么讲，语法是同一套。上一回我对着「即插即用」心动，代价是白搭进去一个下午——不点名了。
但这次骂不出口。因为痛点是真的。
掩码扩散这一系，长度一直是块死结：开跑之前，掩码数量先定死。答案多长，你得先猜。猜短了截断。猜长了，画布上剩一堆位置没东西可解析，算力全烧在空气上。CARVE 干的事很直接：解码到一半发现不够，往里插 [MASK]，画布自己往下长。
而且它不碰权重。动的是解码过程本身，这也是「无需训练」四个字唯一的兑现方式。
不过说实话，这个思路本身不值一个 Findings。值钱的是它怎么决定「这次该不该长」。
最省事的做法是置信度：哪个位置模型没把握，就给它加空间。这条老路软得很，本质是让模型自己举手说我不行。CARVE 没走这条。
它做反事实检验。新掩码插进去之后，回头看原来画布上那些还没解析的位置——预测分布变没变？拿 Jensen-Shannon 散度，对着对齐的位置量一遍。散度低，说明新空间没有搅乱模型原有的判断，保留。散度高，说明这次变长是在硬掰模型，退回去。
一句话：长度增长不再是一个赌注，是一笔验证过的决策。
这不是调参碰出来的巧，是设计上的硬功夫。
我开头是冲着开骂去的，这半句得认账。
然后是 abstract 里我最想抄出来晒的一段：「在所有评估的模型族上都取得了平均性能提升」。代码生成加数学推理两组基准，逐个模型族过，平均下来全是正的。👏👏
「平均」这个词，和通稿里「高频用户平均省 20%」是同一门手艺。平均掩盖分布！最差那档是多少？哪个任务上退步了？退步的任务会不会恰好长成你手头那个脏项目的样子？摘要不负责回答。benchmark 的平均分和你的真实任务之间，隔着好几层滤镜，这话我写过不下一遍。
再看这句：「某些设置下推理开销仅为固定长度解码的一半 FLOPs」。
猫腻全在「某些设置」四个字！哪几个设置？为什么恰好是那几个？摘要不展开。这种量词出现在哪，哪就值得多问一句。
但这条我骂不狠，因为机制上它站得住：
固定长度： 掩码数 = 开跑前定死，猜长全浪费
CARVE： 掩码数 = 按需插入，JSD 验证通过才保留
固定长度基线等于永远按你猜的上限预付画布的钱。按需插入，只为实际长出来的部分付算力。省下的那一半 FLOPs，大概率不是魔法，是没把冗余画布的钱先付掉。注意，这半句是我的推断，没实测，先别信我。
顺带一个对「要不要跟」真正有用的信息：完整画布和分块式两种解码器它都覆盖，都不用重训。你要是手里已经在跑某个掩码扩散模型，理论上这算法可以直接叠上去试。理论上。
账还欠着一笔：FLOPs 曲线看不见墙钟时间。解码循环里插掩码、算 JSD、做位置对齐，这些额外往返在真实延迟上值几毫秒，纸面没有。这条得等代码进了项目才能补，先记着。
锐评评分卡：Findings 接收，这波不冤——反事实验证这套设计配得上。abstract 里「平均提升」和「某些设置」两处措辞，各扣一分，学术圈的发布会话术也是话术。值不值得现在跟：手头有掩码扩散模型的，今晚就把机制部分精读一遍，这个设计值得偷！纯围观等换模型的，等我拿真实任务照完这面镜子再动。照旧，先测再信，摘要留着当目录翻翻就好。