连续交互扩散（CID）是一种扩散式模型-运行时架构，旨在将工具交互集成到迭代去噪过程中。 CID 将模型分为三个通道：只读事实通道、思维通道（由类型化认知张量表示）和显示通道。 通过这种设计，信息需求可以在文本或 JSON 调用完全序列化之前出现，从而允许感知绑定在去噪继续进行时启动外部读取。 返回的结果可以投影到不断演化的思维状态中，并可以修订早期的认知和显示区域。 持久绑定可以在无需重复外部执行的情况下重用静态结果，并在需要时刷新更改的源。 CID 旨在更早地暴露证据，重叠工具延迟与模型计算，减少重复的外部工作，并在新证据到达后保留有用的计算。 我们正式化了该架构、运行时和训练目标，并定义了一个用于评估任务质量和端到端效率的协议。 这篇论文重点关注只读工具，并不做任何实证性能声明。 博主点评： 本文提出了一种创新性的扩散式模型-运行时架构，旨在将工具交互集成到迭代去噪过程中，提高任务质量和端到端效率。 虽然本文不做任何实证性能声明，但该架构的潜力值得进一步探索和研究。