연구진은 확산 언어 모델에서 모델의 자신감이 위치 선택에 미치는 영향을 분석했어요. EOT 토큰에 대한 과도한 자신감은 불완전한 생성을 유발하고, 서픽스 앵커는 이를 완화하지만 앵커 주변의 과도한 자신감을 유발할 수 있어요. 이를 해결하기 위해 서픽스 앵커를 삽입하고 앵커 주변의 자신감을 조절하는 새로운 방법인 Suffix-Anchored Confidence Modulation을 제안했어요.
Suffix-Anchored Confidence Modulation은 응답 완성을 장려하고 앵커 주변의 조기 디코딩을 줄여줘요. 다양한 벤치마크에서 기존 방식보다 성능이 뛰어나고, 병렬 디코딩의 장점을 유지했어요. 연구 결과는 확산 언어 모델의 자신감 기반 디코딩 전략에 대한 이해를 높여줘요.