一个数字开场：87.48 到 61.73。连续扩散语言模型一直是"并行生成"路线的希望，但多数研究直接拿因果 LLM 或图像扩散的 Transformer 来用。这篇把七个组件一个个加上去，每一步都从头训练，七级台阶明码标价。
七个组件：骨干 RMSNorm、QK 归一化、更宽的噪声条件、似然捷径梯度分离、校准、置信度门控的训练自条件。50k 步检查点上，前两件几乎白送（87.48 到 84.41 再到 84.37），宽条件降到 80.74，分离与校准再到 74.03；最后一件，置信度门控的自条件，一步砍掉 12.30，是全场最大的单件改进。【直引】
同进度匹配的对照最干净：同样 250k 更新、同数据同目标同采样器，128 次去噪调用下 GenPPL 从 64.26 降到 53.66，相对降幅 16.5%；1024 次调用时 41.98 降到 24.04。拉到 660k 训练，1024 次调用下到了 21.72。公开基准排一排：MDLM 104.9、Duo 77.6、LangFlow 36.5、自回归 Transformer 35.9——扩散这条路第一次咬得这么近。【直引】
但论文的自我限定几乎和结论一样长，值得原样转述：Plaid 风格适配拿到的 11.33，来自 1M 训练计划中 520k 的检查点，不是完整训练，也不构成同条件对照；GenPPL 是用冻结的 GPT-2 Large 打的，论文明说这不能证明语义多样性；宽条件那一级混进了 7.36M 的参数增量，分不清是架构功劳还是容量功劳；全部结论基于单一种子、单一规模、单一数据集。这些都记下。【判断】
下一根钉子：这套设计里，"似然捷径的直连梯度"被单独拆出来处理，听起来像在防一种更微妙的过拟合。谁能在真实下游任务上验证这些设计不只是压低了 GenPPL、而是真的改变了模型学分布的方式，谁才算给 CDLM 发了架构层面的上岗证。