元认知解码：扩散语言智能体的高效推理

扩散语言智能体用元认知控制器降低推理算力约两成

资讯摘要

论文提出一种元认知控制器，作为扩散语言模型骨干的轻量插件，根据当前回复需求与智能体与环境的交互，学习何时确定 token 以及生成应延伸多远，从而减少单次回复内的计算量。作者报告在五个基准上，相比最高效基线平均降低推理 FLOPs 20.6%，同时保持有竞争力的任务准确率，消融实验验证了方法有效性。

要点速读

1. 控制器为扩散骨干的轻量插件，在智能体轨迹上训练，以平衡正确性与生成成本
2. 作者报告五个基准上推理 FLOPs 平均降低 20.6%，任务准确率保持竞争力
3. 消融实验用于验证该方法的有效性

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。