语言扩散模型（Language Diffusion Models, LDM）近几年发展迅速，正在语言处理领域挑战自回归模型长期占据的主导地位。与逐词生成的自回归模型不同，LDM 采用灵活的任意顺序解码策略，这不仅带来了更快的解码速度，也可能引入新的可信性风险。为了更清楚地理解这一新型生成流程中潜藏的问题，一篇新论文提出了专门面向 LDM 的综合可信性评测基准 TrustLDM，并系统检验了安全性、隐私与公平性三个维度。
该论文题为《TrustLDM: Benchmarking Trustworthiness in Language Diffusion Models》，提交于 2026 年 4 月 15 日，作者为 Yichuan Mo 等共 7 人，属于 arXiv 计算与语言（cs.CL）分类，同时交叉涉及人工智能（cs.AI）与机器学习（cs.LG）。论文摘要指出，LDM 的灵活解码方式既是效率优势，也是可信性评测中需要重新审视的变量；因此需要一套专门针对扩散式语言模型设计的评测方法，而不能简单照搬面向自回归模型的既有基准。
TrustLDM 的核心设计，是在不同 LDM 架构上，结合多类静态后置上下文（post context）来评估模型的安全性、隐私保护与公平性。研究者关注的是一种特殊的攻击面：当恶意内容被附加到被掩码的回复部分时，模型的输出会如何变化。实验结果显示，如果仅提供用户提示词，LDM 整体上表现出较强的可信性；但一旦把恶意后置上下文附着在掩码回复上，模型的对齐行为就会出现明显退化。这说明模型在常规交互下的“良好表现”并不足以证明其鲁棒性。
研究还给出了两个值得注意的观察。其一，更长的上下文并不必然带来更强的攻击效果，长度与影响之间没有简单的正相关关系。其二，解码顺序与生成长度都会影响最终评测结果，这意味着 LDM 的可信性表现高度依赖具体的解码配置。由于 LDM 允许任意顺序解码，不同的生成路径可能把模型引向不同的行为，评测若忽略这些配置差异，结论就可能失真。
基于这一发现，作者进一步提出 TrustLDM-Auto，一个自动评测框架，利用 LDM 解码过程的灵活性，系统性地搜索容易暴露问题的脆弱配置。借助该框架，研究者在所有被评测的模型与所有评测维度上，都发现了相当程度上的可信性弱点。这一结果提示，任意顺序解码在提升速度的同时，也扩大了需要被覆盖和验证的配置空间。
论文作者表示，这项工作有望帮助社区构建更可信的 LDM。代码已在 GitHub 上公开，地址为 https://github.com/PKU-ML/TrustLDM，便于后续研究者复现实验并扩展基准。整体来看，TrustLDM 的意义不仅在于给出一个评分，更在于把“解码自由度”本身当作可信性评测的关键变量，为扩散式语言模型的安全、隐私与公平性研究提供了一个可操作的方法框架。