扩散语言模型在智能体工作流中的苦涩教训：全面现实检验

为实现实时智能体交互，研究者对基于扩散的大型语言模型（dLLMs）产生了兴趣，以替代自回归主干结构，从而突破序列延迟瓶颈。然而，这种效率提升是否能转化为有效的智能体行为？本文对dLLMs（如LLaDA、Dream）在两种不同的智能体范式中进行了全面评估：具身智能体（需要长期规划）和工具调用智能体（需要精确格式）。与效率宣传相反，我们的结果表明，当前的dLLMs无法作为可靠的智能体主干，经常导致系统性失败。在具身环境中，dLLMs在时间反馈下无法分支；在工具调用环境中，它们在扩散噪声下无法保持符号精度（如严格的JSON模式）。为评估dLLMs在智能体工作流中的潜力，我们引入了DiffuAgent，一个集成dLLMs作为即插即用认知核心的多智能体评估框架。分析显示，dLLMs在非因果角色（如记忆摘要和工具选择）中有效，但要在智能体任务中发挥作用，需要将因果、精确和逻辑基础的推理机制整合到去噪过程中。