近日，研究团队首次将扩散模型应用于长程Agent任务，并取得突破性成果。该模型在复杂多步推理和规划任务中展现出显著优势，性能超越基于传统强化学习和Transformer的基线方法，为AI智能体的自主决策开辟了新路径。

扩散模型此前在图像生成领域表现突出，但将其用于序列决策任务仍属首次。研究者通过将任务分解为多步扩散过程，使模型能够逐步优化行动序列，有效解决了长程任务中的稀疏奖励和探索效率问题。实验结果显示，该方法在多个标准基准测试中均达到最优水平，尤其在需要长期记忆和推理的场景中表现优异。