🔥 今日值得一读
扩散语言模型加持，深度研究端到端提速约6倍！
DiffResearch: Accelerating Deep Research with Diffusion Language Models
📖 AI 总结
该论文提出DiffResearch，一个以扩散语言模型（dLLM）为核心的多智能体深度研究框架，旨在解决自回归模型因从左到右解码而导致的端到端延迟瓶颈。研究在保持智能体结构、检索代码、提示与评估不变的前提下，将骨干模型在扩散模型与自回归模型之间切换，并在100个Deep Research Bench任务上对比。结果显示，扩散骨干的端到端速度约快6倍，主要来自规划与长文写作阶段的数量级加速。作者还提出dFast分解模式，可在生成完成前读取中间去噪状态并提取子查询，单独使用时分解速度中位数提升1.99倍且报告质量无损，并在RACE评分标准下取得三种配置中的最佳总分。在公开系统级排行榜快照中，基于更强扩散模型的实例排名高于多个商业系统。该工作表明扩散语言模型可显著降低深度研究的交互延迟，并已以Apache-2.0许可开源。
🔑 关键词速览
| DiffResearch | 一个开放的多智能体深度研究框架，将扩散语言模型置于每个阶段的核心。 |
| 扩散语言模型 (dLLM) | 一种基于扩散过程的语言模型，与自回归模型不同，它通过去噪生成文本。 |
| 自回归语言模型 (AR) | 传统的从左到右逐词生成的语言模型。 |
| dFast | 一种分解模式，通过读取中间去噪状态在生成完成前提取子查询，加速分解过程。 |
| Deep Research Bench | 一个用于评估深度研究系统性能的基准测试集。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅