像改一份多人协作的文稿：有些句子早已定稿，却还被一轮轮重新检查。扩散语言模型也会这样——它从一批不完整的文字出发，多轮“去噪”，也就是反复修正草稿、同时填好多个位置。CAI-dLLM 想做的，是让模型按进度及时收工，把算力留给真正难定的词。
它抓住了一个很便宜的信号：第一轮置信度，也就是模型一开始对候选词有多确定。作者观察到，高置信度词几乎都能在 5 轮内稳定，低置信度词则可能变化 30 轮以上。于是，容易的词提前定稿，困难的词获得更多修改机会；如果连续几轮只定下很少新词，就停止这种低收益的“磨洋工”。这套方法不用重新训练模型，也不增加预测器。作者报告，在 LLaDA-8B-Instruct 的 GSM8K 数学题测试中，推理最快加速 18.2 倍，准确率从 76.27% 升至 77.41%；但在较难的推理任务上，最大准确率下降了 4.4 个百分点。