Masked Diffusion Language Models are Strong and Steerable Text-Based World Models for Agentic RL

这项工作把 masked diffusion language model 用作文本交互环境的世界模型，并引入面向轨迹属性的 steering 机制。实验覆盖 12 个任务，扩散模型在模拟真实性上优于自回归基线，且可生成更高奖励或特定行为分布的训练环境。其价值在于把“环境生成”和“环境控制”放进同一生成过程，适合缺少真实交互预算的 agentic RL。