Skip to content
Hot eventLive

Plan-and-Patch：用扩散语言模型做智能体规划与局部修复

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 9
arXiv 发布 Plan-and-Patch：扩散规划修复成功率 53.7%，延迟降低 39–46%。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. arXiv · Artificial Intelligence
    Plan-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%。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.