DiffResearch 开源扩散语言模型深度研究框架，端到端提速 6 倍
原文标题：DiffResearch: Accelerating Deep Research with Diffusion Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 DiffResearch，一个开源多智能体深度研究框架，把扩散语言模型（dLLM）置于规划、检索、写作各阶段核心。在 100 项 Deep Research Bench 任务上，扩散骨干比同规模自回归模型端到端快约 6 倍，规划与写作环节提速达数量级。作者还提出 dFast 分解模式，利用中间去噪状态提前抽取子查询，分解环节中位提速 1.99 倍且报告质量不降。代码以 Apache-2.0 协议开源。
- 问题
- 深度研究系统端到端延迟高，规划与长文写作受自回归解码拖累。
- 方法
- DiffResearch 在多智能体各阶段换用扩散语言模型骨干，并提出 dFast 利用中间去噪状态提前抽取子查询。
- 结果
- 100 项 Deep Research Bench 任务上端到端快约 6 倍，分解环节中位提速 1.99 倍且报告质量不降。
- 影响
- 证明扩散骨干可显著压缩深度研究交互延迟，为实时研究产品提供新架构选择。
深读 · 结论先行AI 生成展开看要点与影响 ↓
DiffResearch把扩散语言模型放进深度研究全流程，100项任务端到端快约6倍。
- •开源多智能体深度研究框架，扩散语言模型置于规划、检索、写作各阶段核心，Apache-2.0开源。
- •控制智能体脚手架、检索代码、提示与评测不变，仅替换骨干模型做对比。
- •100项Deep Research Bench任务上端到端快约6倍，规划与写作环节提速达数量级。
- •dFast读取中间去噪状态提前抽取子查询，分解环节中位提速1.99倍且报告质量不降。
- •RACE评分下dFast在三种配置中总分最佳；公开榜单快照中基于更强扩散模型的实例排名高于多个商业系统。
为什么重要：深度研究系统的端到端延迟是交互体验瓶颈，这条用受控对比证明扩散骨干能大幅压缩规划与写作耗时，对做研究型Agent产品的工程团队有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。