Порт англоязычной MDLM-OWT без зависимости от flash-attn для заполнения масок и генерации текста методом masked diffusion.

Подходит для: восстановление замаскированных токенов в английском тексте · эксперименты с генерацией текста методом masked diffusion · изучение внутренних представлений трансформера и интерпретируемости