#掩码解码

研究：扩散语言模型智能体的反向评分防重试循环

论文剖析扩散大语言模型（dLLM）智能体陷入重试循环的机制：掩码解码的适应性使失败动作本身成为高置信填充，导致重试被提交而失败反馈未被正视。作者将动作分布扭曲建模为任务无关的污染，并证明该因子在反向条件中恰好抵消，据此提出免训练的 Reflect Reverse 规则。在四个多轮具身基准上，该方法…