华为发布的扩散语言模型DLLM Agent提升了执行速度超过30%，在复杂任务中效率可达传统模型的8倍。研究显示，DLLM在多轮推理和工具调用中展现出更强的规划能力，减少了交互次数，优化了任务执行路径，为Agent设计提供了新视角，强调生成范式对行为方式的影响。

本研究探讨了多轮推理在大语言模型中的应用，提出了一种通过多轮推理近似图灵可计算函数的方法。研究结果表明，即使序列长度超出模型的上下文窗口，仍能有效学习并降低泛化误差，从而推动多轮序列学习与推理的理论基础发展。