GSAI IIR & GSAI-ML 团队 投稿 量子位 | 公众号 QbitAI 传统的搜索Agent有个问题： 想完了才去搜，搜的时候干等着，等完了再接着想。 就像你去餐厅点菜，非要把菜单研究透了才叫服务员，服务员去下单的时候你又呆坐着发愣，菜上了你才开始想下一道点什么。 正常人不是这样吃饭的。你会一边看菜单一边叫服务员，服务员去下单的时候你继续研究下一道菜点什么。 中国人民大学团队在论文DLLM-Searcher中，第一次让 扩散大语言模型 （dLLM） 学会了这种"一心二用"的本事。 先说清楚问题出在哪 目前主流的搜索Agent，不管是Search-R1还是R1Searcher，用的都是ReAct框架。这个框架的执行流程是严格串行的： 想→调工具→等结果→再想→再调工具→再等…… 每一轮里，"想"和"调工具"是模型一个token一个token从左到右吐出来的，等搜索引擎返回结果的时候模型完全闲着。多轮下来，延迟叠延 迟，用户体验直接拉胯。 团队算了笔账：在多跳问答任务里，这种串行等待吃掉了大量的端到端时间。 那能不能让模型在等搜索结果的时候，继续想下一步？ 自回归模型做不到。因为它的注意力是因果的，必 ...