DiffusionGemma 如何處理傳統模型不擅長的「非線性任務」？

DiffusionGemma 處理非線性任務的能力源於其獨特的架構設計與「雙向注意力（Bi-directional attention）」機制。傳統自迴歸模型受限於單向生成的特性，難以回頭修正已產出的內容，但在 DiffusionGemma 的擴散邏輯下，模型一次能處理 256 個 Token 的區塊。在生成過程中，模型並非盲目產出，而是透過多次掃描來精煉內容。這種機制讓它在處理複雜邏輯時具備強大的自我修正能力，具體體現在以下任務中：

1. 程式碼中段填補（In-filling）：模型能同時參考缺失區塊的前後文邏輯，精準填入正確的程式碼。
2. 胺基酸序列解析：利用全局視野處理生物資訊序列的複雜關聯。
3. 破解數獨：在生成過程中統觀全局，根據已確定的數字即時修正其餘位置的錯誤。

這種「一次印出整段文字」的印刷機模式，讓模型在處理需要同時考慮前後文關聯的任務時如魚得水。這項突破象徵著模型不再僅僅是單向的文字產生器，而是具備了在生成過程中不斷審視與調整全局的能力，從而大幅提升了在特定邏輯任務上的準確度與靈活性。