arXiv cs.LG· Darshan Deshpande·· 3 小时前AI 评分37
掩码扩散语言模型成为智能体 RL 的强可控文本世界模型
Masked Diffusion Language Models are Strong and Steerable Text-Based World Models for Agentic RL
AI 导读
研究将文本世界建模形式化为可引导的状态转移问题，并构建了覆盖 9 个开源环境、12 个前沿模型家族的 239,403 条状态-动作轨迹。对比显示，掩码扩散语言模型（MDLM）凭借双向锚点感知去噪，在连贯性、接地性和 rollout 多样性上优于参数量 4 倍于己的大语言模型，推理延迟相当。
来源：arXiv cs.LG · arxiv.org