超越双向性承诺：重新评估扩散语言模型的鲁棒性

扩散语言模型（Diffusion Language Models, DLM）通过支持双向上下文与迭代精炼，为自回归（AR）生成提供了一种引人注目的替代方案。然而，它们在自然输入噪声与对抗攻击下的可靠性仍未得到充分探索。为此，我们利用两组参数匹配的模型对（LLaDA-8B对LLaMA-3-8B，以及Dream-7B对Qwen2.5-7B），在32种自然扰动条件、对抗梯度探测和机制性隐状态分析下，系统评估DLM相对于AR基线的鲁棒性与校准。这种配对设计有效地区分了架构固有属性与依赖权重的行为。我们发现了一幅细致的鲁棒性图景：高度随机的DLM损失地形天然抵抗基于梯度的对抗后缀，却对自然噪声没有保证性防御，证明日常鲁棒性取决于权重而非架构本身。此外，DLM表现出系统性过度自信，构成实际的部署风险。最关键的是，机制性探测显示所有模型都能完美编码输入损坏，从而把行为脆弱性完全定位于解码器路由失败。与这一诊断一致，我们表明表面化的提示修补无法带来优于噪声基线的改进。归根结底，DLM的鲁棒性无法靠打补丁获得，必须从根本上融入迭代解码循环。