热点事件持续更新
Plan-and-Patch：用扩散语言模型做智能体规划与局部修复
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，arXiv（Artificial Intelligence，一手）发布 Plan-and-Patch 研究，提出计划-修补框架：用扩散语言模型（dLLM）通过并行去掩码生成结构化程序式计划，并在需要修复时仅重填受影响区域。论文给出三组实验结果：在 Natural Plan 上，DreamReasoner-8B 扩散规划修复成功率为 53.7%，接近 Qwen3-8B 自回归（AR）27.0% 的两倍；在 ALFWorld 与 TextCraft 上，训练后扩散与自回归的生成成功率相近；扩散方案平均延迟降低 39–46%。目前报道仅包含该论文数据，尚无后续独立验证或对比更新。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv 发布 Plan-and-Patch：扩散规划修复成功率 53.7%，延迟降低 39–46%。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Artificial IntelligencePlan-and-Patch：用扩散语言模型做智能体规划
Plan-and-Patch 提出计划-修补框架，用扩散语言模型（dLLM）通过并行去掩码生成结构化程序式计划，并仅重填受影响区域完成修复。Natural Plan 上 DreamReasoner-8B 扩散规划修复成功率 53.7%，接近 Qwen3-8B 自回归（AR）27.0% 的两倍；ALFWorld 与 TextCraft 训练后两者生成成功率相近，扩散平均延迟降低 39-46%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。