周四直播｜告别等待，Search Agent “边思考边行动”，推理加速15%

报告主题：DLLM-Searcher让Search Agent在等待工具返回时保持思考

报告日期：03月12日（周四） 10:30-11:30

当前 Search Agent 的实际落地主要受制于长时延瓶颈：在经典 ReAct 范式下，智能体往往需要多轮串行执行“推理→tool call→等待工具返回→继续推理”，工具等待与多轮生成叠加后显著拉高端到端 latency，进而削弱交互体验。而扩散大语言模型（dLLM）天然具备并行解码与任意顺序生成能力，这为打破 ReAct 的串行执行提供了基础。

基于此，报告将介绍 DLLM-Searcher：一方面提出新的推理范式 P-ReAct，通过引导模型优先解码 tool_call 区域，使智能体能够“先调用、再返回、同时继续思考”，从而将等待工具返回的空窗与思维生成过程重叠，降低整体推理时延；另一方面，针对现有 dLLM 在推理与工具调用方面能力偏弱的“Agent Ability Challenge”，我们设计了两阶段的 Agentic Post-Training：先用 Agentic SFT 建立格式与工具使用的基础能力，再通过 Agentic VRPO 进一步强化信息获取、推理能力。实验结果表明，DLLM-Searcher 在多个基准上取得与主流 LLM-based Search Agents 可比的任务效果，同时 P-ReAct 带来约 15% 的推理加速，验证了 dLLM 作为高效智能体基座与“并行推理-行动”路径的可行性。

相关论文：

An agentic system for rare disease diagnosis with traceable reasoning

报告嘉宾：

赵嘉浩，是中国人民大学高瓴人工智能学院大四年级本科生，获两年国家奖学金，研究方向聚焦Agentic Post-Train、Information Retrieval。

近年来在IR与LLM结合方向开展研究：其二作工作Evaluating Intelligence via Trail and Error揭示了检索模型与LLM在推理时类似的行为；参与 EMNLP 2025 的 R1-Searcher++，探索通过两阶段 SFT+RL 提升模型的动态检索与推理能力；一作工作 DLLM-Searcher进一步将 dLLM 引入 Search Agent，提出 P-ReAct 与两阶段 Agentic SFT/VRPO 训练框架，实现“等待工具返回时持续思考”的并行化智能体推理。

他在清华 THUIR 课题组与字节跳动Seed团队有实习经历；同时也是开源Agent项目OpenManus（55k stars）贡献者。

电脑端观看地址

更多热门活动：