该动作还能解释任务吗？扩散大语言模型智能体的反向打分方法

研究者提出免训练的 Reflect Reverse 方法，解决扩散大语言模型（dLLM）智能体因掩码解码偏差容易重复执行失败动作的问题。该方法利用掩码 dLLM 对任务 token 掩码并去噪来原生评估逆向条件概率，从而消除动作分布的失真。在 4 个多轮具身基准上的实验表明，该方法相比前向打分基线提升了任务成功率与推进率。