掩码扩散语言模型成为强大且可控的文本世界模型

论文将文本世界建模形式化为可控的状态转移问题，并整理了覆盖9个开源环境、12个前沿模型家族的239,403条状态—动作轨迹。作者报告称，掩码扩散语言模型通过双向去噪提升一致性、落地性与 rollout 多样性；结合 GRPO 后，在 ScienceWorld、ALFWorld、AppWorld 上对 LFM2.5、Qwen3、Mistral 最高带来47个百分点的零样本提升。