**掩码扩散语言模型：可操控且强大的智能体强化学习世界模型**

_Masked Diffusion Language Models are Strong and Steerable Text-Based World Models for Agentic RL_

> 研究提出掩码扩散语言模型（MDLMs）作为文本基础的世界模型，通过双向锚点感知去噪解决自回归模型的左到右偏差问题。该方法在推理延迟相当的情况下，比参数量大四倍的LLM具有更好的连贯性和多样性。结合GRPO训练框架，在零样本迁移测试中取得最高47%的性能提升，并开源了相关数据与代码。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.16204)