DLLM Agent：看得更远，跑得更快

本文探讨了扩散大语言模型（DLLM）在代理多步决策中的潜力。通过在相同代理框架下对比 DLLM 与自回归模型，研究发现 DLLM 代理在保持同等准确率的同时，端到端速度平均提升 30% 以上，且交互轮次与工具调用更少，表明其规划命中率更高、回溯更少。文章还指出了部署难点：需加强工具调用训练以避免格式错误，并在多轮输入中采用对齐的注意力掩码以防止信息泄露。分析显示扩散架构能产生更强的全局规划信号。