DreamReasoner-8B：扩散推理模型的块级课程学习

块扩散语言模型通过并行分块去噪加速解码，但它们是否能够可靠地扩展以进行长链思维（CoT）推理仍然悬而未决。为此，我们开发了开源块扩散推理模型DreamReasoner-8B，并对训练和推理块大小如何影响长CoT推理进行系统研究。我们的分析揭示了明显的性能差异：使用大块大小进行训练会产生非常差的推理，而小块大小则保持有效的推理。为了弥补这种粒度差距，我们提出了块大小课程学习，逐渐将训练从细粒度的块大小过渡到粗粒度的块大小，从而克服了这一限制，并实现了强大的推理性能，可以泛化到不同的推理块大小。在数学和代码推理基准测试中，DreamReasoner-8B 取得的结果可与 Qwen3-8B 等领先的开放自回归模型相媲美。这项工作为高效、具有推理能力的扩散语言模型奠定了实践基础。我们在 https://github.com/DreamLM/DreamReasoner 发布了我们的模型。