يقدّم DiffResearch إطارًا جديدًا متعدد الوكلاء للبحث، يعتمد في التخطيط والاسترجاع والكتابة على نموذج لغوي قائم على الانتشار (dLLM). وقارن الباحثون أداء هذا النموذج بنموذج مشابه ذاتيّ الانحدار في 100 مهمة من Deep Research Bench. وأنجز النموذج القائم على الانتشار المهام أسرع بنحو ستة أضعاف إجمالًا، ويعود ذلك أساسًا إلى تسريع التخطيط والكتابة المطوّلة. كما يتيح وضع خاص يُسمى dFast قراءة حالات إزالة الضوضاء الوسيطة وتقسيم العمل إلى استعلامات فرعية، ما يوفر زيادة إضافية في السرعة بوسيط قدره 1.99× من دون التأثير في جودة التقارير. ونُشر الكود بموجب ترخيص Apache‑2.0.
لماذا يهم
يمكن للباحثين الحصول على تقارير مولّدة بالذكاء الاصطناعي في دقائق بدلًا من عشرات الدقائق، ما يجعل أدوات البحث المتعمق التفاعلية أكثر عملية.
