网易首页 > 网易号 > 正文 申请入驻

华为发布业界首个扩散语言模型Agent,部分场景提速8倍!

0
分享至

允中 发自 凹非寺
量子位 | 公众号 QbitAI

大模型通往现实世界的“最后三公里”,Agent已然成为最具代表性的入场券。

但当下的共识发生了微妙的变化:

衡量一个Agent够不够强,早已不再看它能不能“答对问题”,而是看它在面对多轮推理、工具调用及复杂协作时,能否用最短的路径、最少的交互预算,稳定地搞定任务

在这一背景下,一个长期被行业忽视的底层命题浮出水面:

  • 当Agent的框架、工具、数据和训练方式都保持一致时,仅仅改变语言模型的生成范式(Autoregressive vs Diffusion),是否会系统性地改变Agent的规划与行为模式?

近日,来自华为诺亚方舟实验室、华为先进计算与存储实验室、UCL、南洋理工大学、清华大学和北京大学的研究团队,在最新工作《DLLM Agent: See Farther, Run Faster》中,对这一问题给出了迄今为止最“对照实验式”的回答。

他们发现,仅仅是把“底座”换成了扩散式大模型(DLLM),Agent就像突然开了“上帝视角”,执行速度不仅提升了30%以上,甚至在部分复杂任务中跑出了8倍于传统AR模型的效率。

文章链接:
https://arxiv.org/pdf/2602.07451

官方网页:
https://noah-dllm.github.io/

核心结论一览

在完全相同的Agent工作流、训练数据和交互预算下,研究发现:

  • 在准确率基本持平的前提下,DLLM Agent端到端执行速度平均提升30%以上
  • 在成功解题的条件下,DLLM Agent使用更少的交互轮次和工具调用
  • DLLM展现出更强的planner能力:更早收敛到正确轨迹、回溯和冗余更少;
  • 这种优势并非仅来自并行解码速度,而是体现在Agent级别的规划与决策行为上。
一个“极端公平”的对照实验设计

为了避免“框架差异”、“提示工程”、“数据不一致”等干扰因素,作者采用了非常严格的对照实验设置:

  • 使用同一个Agent框架:DeepDiver(多智能架构,层级式规划,https://ai.gitcode.com/ascend-tribe/openPangu-Embedded-7B-DeepDiver);
  • 使用同一套工具接口与解析规则
  • 使用完全相同的Agent任务进行继续训练;
  • 统一context长度上限(32K)、最大交互轮数、tool call上限
  • 唯一变化因素:Agent背后的生成范式

Autoregressive LLM(AR):openpangu 7b-v1

Diffusion Large Language Model(DLLM):openpangu diffusion 7b,这个模型是从openpangu 7b-v1续训得到的,模型的基础推理能力相似。

这意味着,实验中观察到的行为差异,不能归因于数据/模型的基础能力或workflow,而只能来自生成范式本身。

不过,考虑到生成范式的不同,针对多轮长链交互的DLLM训练,作者使用了针对性调整的Mask策略和Attention裁剪策略,提升了DLLM Agent训练和推理的一致性。

同样的终点,更短的路径

在构建了对照平台后,研究团队将关注点转向了核心指标:即DLLM这种生成范式的改变,究竟能在多大程度上提升Agent的实战表现?

实验结果证明,DLLM Agent的优势并非仅仅来自“算得快”,更在于它在复杂规划中“走得直”

1、BrowseComp-zh基准测试:效率的全面跨越

研究团队在包含110条任务的BrowseComp-zh(中文多轮Web浏览)子集上,完成了性能测试。

通过对海量测试结果的深度复盘,研究人员观察到了几个关键规律:

DLLM Agent在准确率持平的情况下,

  • 平均工具调用次数显著减少;
  • Agent轨迹平均更短;
  • 端到端延迟下降约30%。

但同时也暴露出一个现实问题:原生DLLM更容易产生结构化tool-call错误。

此外,作者还展示了DLLM Agent和AR Agent在Information Seeker完成问题上的分布,可以清晰地看到DLLM Agent在处理问题时,往往能以更少的交互次数完成同样的任务。

2、案例实录:8.18倍速度落差的背后

为了更直观地展现这种“走直路”的能力,可以看一个典型的多约束检索案例(涉及动物命名+中国互联网公司+团队合并+软硬件等多个维度),query如下:

结果发现,尽管AR Agent和DLLM Agent最终都给出了正确答案,但其执行逻辑却展现出巨大的差异,不仅表现在端到端有8.18×的速度差异上(如下表):

也表现在具体的planner执行过程上——

DLLM Agent的planner质量更高,从而在部分case上表现出来远超过基础模型的效率差异的端到端性能收益。

DLLM为何是天生的“强Planner”?

论文并未停留在表面的数据对比,而是深入分析了entropy和confidence与扩散过程中的内部动态,试图从生成范式的底层原理,来解释DLLM为何在规划上更具优势。

一、Planner Agent:先全局、后细节

在任务拆解阶段,DLLM Planner表现出独特的两阶段特征,这与人类先构思大纲再填补内容的思维方式不谋而合:

阶段一:并行提取关键信息

用户问题中的4个核心约束,往往在1–2个diffusion step内就能被同时识别。

阶段二:逐步细化任务结构

在已有全局框架下,再逐步补充具体的逻辑细节。

这与AR的差异,主要体现在:

  • AR必须按token顺序“边想边写”;
  • 一旦早期判断偏差,往往只能通过多轮todo/re-plan/verification来修正。

这也直接解释了,为什么AR Agent在实验中更容易产生多个todo_v1/todo_v2冗余规划文档的原因。下图详细解释了planner在这个过程中的变化:

二、Information Seeker:先定方向,再填参数

在具体的工具调用阶段,DLLM的生成模式呈现出一种极其稳定的结构化倾向:

  • 它会首先确定调用哪个工具;
  • 随后,并行生成参数与细节;
  • 整个tool-call被视为一个整体“动作块”,并在生成过程中被反复refinement。

相比之下,AR Agent的生成过程更像是一条不可回头的流水线:函数名→参数1→参数2→ …

一旦前面的token出现语法或逻辑错误,AR无法原地修正,只能寄希望于下一轮tool call来补救

三、注意力演化:确定性的迅速锁定

研究团队通过对扩散过程中Mask Token的熵(Entropy)演化,以及不同阶段Attention的集中与分散的分析,得出了更深层的结论:

  • 在DLLM的生成过程中,高不确定性集中在决策的早期阶段
  • 一旦高层决策形成,后续细节的生成会表现出极高的收敛速度
  • attention机制呈现出更明显的“全局 → 局部”协调模式,这与AR仅仅追求token-level的局部最优决策,形成了鲜明对比。

不过,作者并没有回避DLLM的不足之处——

Diffusion模型在处理Agent场景时,对结构化输出更敏感

通过设计训推一致的Mask策略与Attention策略(如context-clean corruption和span-aware attention mask),可以提升DLLM Agent的推理性能。

这意味着,要充分发挥DLLM的潜力,并不能将其作为AR的简单替代品,而需要针对Agent的交互场景,重新对齐接口与训练目标

生成范式重塑Agent设计维度

这项工作为Agent研究提供了一个全新的视角——

生成范式本身,会深刻塑造Agent的行为方式。

在完全相同的数据基底与技术框架下,DLLM Agent展现出了超越传统自回归模型的执行效率:

  • 更早形成全局计划
  • 更少走弯路
  • 更快速度结束任务

这使得Diffusion不再只是“另一种生成模型”,而成为构建高效Agent的一个全新设计维度。

下方Demo直观展示了DLLM Agent在效率上的显著优势(同类对比示例可参考原论文中的Case1):

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
高市早苗到了,缺席 17 日工商峰会,后半程只剩合影,日网民叫她勿做丢脸事

高市早苗到了,缺席 17 日工商峰会,后半程只剩合影,日网民叫她勿做丢脸事

起点财经
2026-11-19 11:34:23
马斯克:特斯拉应该将全部Model Y产能转向Model Y L

马斯克:特斯拉应该将全部Model Y产能转向Model Y L

CNMO科技
2026-11-19 07:56:36
美国专家警告,只要中国打响武统第一枪,解决台湾问题只需96小时

美国专家警告,只要中国打响武统第一枪,解决台湾问题只需96小时

旧窗老街
2026-08-18 06:34:12
中俄美世纪会晤正式上演,三国要敲定一件大事,深圳载入史册

中俄美世纪会晤正式上演,三国要敲定一件大事,深圳载入史册

邱震海
2026-11-19 18:34:25
何小鹏最聪明的一笔交易,不是创建了小鹏汽车,而是把UC浏览器43.5亿美元高位套现!

何小鹏最聪明的一笔交易,不是创建了小鹏汽车,而是把UC浏览器43.5亿美元高位套现!

元气科技馆
2026-11-10 20:28:19
台湾地区代表抵达深圳,施振荣第一时间向大陆喊话,港媒点评亮了

台湾地区代表抵达深圳,施振荣第一时间向大陆喊话,港媒点评亮了

芳芳历史烩
2026-11-19 09:57:02
江西小伙内蒙旅游误入蒙族婚宴,随礼2888,走前被新娘妹妹拦住

江西小伙内蒙旅游误入蒙族婚宴,随礼2888,走前被新娘妹妹拦住

故事秘栈
2025-06-21 18:56:16
研究发现:每天早起后先排便的人,用不了半年,身体或迎来4改变

研究发现:每天早起后先排便的人,用不了半年,身体或迎来4改变

坠入二次元的海洋
2026-11-19 11:35:25
最荒诞的死法?

最荒诞的死法?

张佳玮写字的地方
2026-11-11 22:48:57
赌王三太陈婉珍年轻时到底多美?说出来你可能不信,但老照片不会骗人!

赌王三太陈婉珍年轻时到底多美?说出来你可能不信,但老照片不会骗人!

零点历史说
2026-11-19 14:25:08
廊郑 “高铁快递”来了!

廊郑 “高铁快递”来了!

河南交通广播1041
2026-11-19 09:09:47
恭喜!陆毅女儿成功出道,出道即巅峰,不靠父母托举,开辟新道路

恭喜!陆毅女儿成功出道,出道即巅峰,不靠父母托举,开辟新道路

一娱三分地
2026-11-18 16:18:31
智利新总统首晤中方,现场一句表态引关注,我代表整个国家

智利新总统首晤中方,现场一句表态引关注,我代表整个国家

观锐器
2026-11-19 13:28:13
陈浩峰主动让贤!广东男篮管理层人员变动,找外援一事或暂缓

陈浩峰主动让贤!广东男篮管理层人员变动,找外援一事或暂缓

体育咆哮君
2026-11-19 12:47:20
马斯克披露多项业务时间表:Optimus拟18个月内胜任家务,Terafab计划2028年底量产

马斯克披露多项业务时间表:Optimus拟18个月内胜任家务,Terafab计划2028年底量产

界面新闻
2026-11-19 15:22:51
油价“塌方”下跌!11月19日调价后92,95号汽油价格,玉米价格如何?

油价“塌方”下跌!11月19日调价后92,95号汽油价格,玉米价格如何?

猪友巴巴
2026-11-19 15:15:06
笑死!国人给个差评太隐晦了,网友:跟暗号接头一样

笑死!国人给个差评太隐晦了,网友:跟暗号接头一样

另子维爱读史
2026-10-10 20:48:28
34%关税只是幌子,中国真正的目标是台湾!剑指美国“军工企业”

34%关税只是幌子,中国真正的目标是台湾!剑指美国“军工企业”

文史道
2025-04-05 12:29:24
车船税优惠大调整!2027年1月1日起,大部分车主或将受到影响?

车船税优惠大调整!2027年1月1日起,大部分车主或将受到影响?

触摸史迹
2026-11-17 09:20:45
刘欢妻子终于不藏了,首次曝光真正死因!与喝酒、不死癌症无关

刘欢妻子终于不藏了,首次曝光真正死因!与喝酒、不死癌症无关

皮皮电影
2026-11-19 11:26:00
2026-11-20 00:36:49
量子位 incentive-icons
量子位
追踪人工智能动态
13700文章数 176601关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

房产
健康
旅游
亲子
艺术

房产要闻

6.6亿!海口卖地!

医生眼里"很伤腰"的椅子,很多人天天坐

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

亲子要闻

宝宝气人但是聪明的4个行为

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

无障碍浏览 进入关怀版