arXiv cs.AI· Mengdi Liu, Chenghao Jia, Hong Chang, Shiguang Shan·· 6 天前AI 评分30
ChemDiffAgent：面向工具集成化学推理的掩码扩散语言智能体
Masked Diffusion Language Agents for Tool-Integrated Chemical Reasoning
AI 导读
研究者提出 ChemDiffAgent，首个用于工具集成化学推理的掩码扩散语言智能体，将化学推理重构为对推理与工具调用交错轨迹的迭代去噪，使工具使用决策在完整轨迹上下文中联合确定。在匹配预算与评测下，其整体性能较自回归智能体提升约 20%，8B 模型可媲美甚至超越 GPT 5.5、Claude Opus 4.7 等更大规模前沿模型。代码已开源，论文被 NeurIPS 2026 接收。
正文 · AI 翻译
摘要：为复杂化学任务设计工具集成推理智能体系统仍是一项根本性挑战。尽管近期的化学智能体通过集成外部工具展现出良好性能，但它们仍建立在自回归范式之上，该范式本质上受限于因果注意力和从左到右的生成方式。因此，它们往往难以应对双向分子理解、全局协调的工具规划以及多源证据整合。为应对这一挑战，我们提出了 ChemDiffAgent，这是首个用于工具集成化学推理的掩码扩散语言智能体。它将化学推理重新表述为对交错推理与工具使用轨迹的迭代去噪，使工具使用决策能够在全轨迹上下文下共同确定，从而更好地使智能体的决策边界与其知识边界对齐。我们进一步分析了这一范式如何通过训练中更难的填充子问题和推理时灵活的任意顺序解码来促进智能体推理。随后，我们开发了一个两阶段后训练框架，包括智能体监督微调和方差缩减偏好优化，以增强工具使用和推理能力。我们还构建了一个涵盖六项化学任务、覆盖单轮和多轮工具使用场景的综合基准。在匹配的预算和评估下，ChemDiffAgent 持续优于自回归智能体，总体提升约 20%。值得注意的是，我们的 8B 模型达到了与显著更大的前沿模型（如 GPT 5.5 和 Claude Opus 4.7）相当的性能，在某些情况下甚至超越它们。代码可在 此 https URL 获取。
| 评论： | 被 NeurIPS 2026 接收 |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.13330 [cs.AI] |
| （或 arXiv:2610.13330v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13330 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Chenghao Jia [查看电子邮件]
[v1]
2026年10月9日星期五 10:07:37 UTC（1,034 KB）
来源：arXiv cs.AI · arxiv.org