arXiv · cs.LG· Yixian Xu, Yuanrui Zhang, Shengjie Luo, Kaiyuan Gao, Liwei Wang, Di He·· 16 小时前
扩散模型强化学习统一路径空间视角：Flow-GRPO 与 AWM 的差异源于方差缩减
Designing Reinforcement Learning for Diffusion Models: A Unified Path-Space View
AI 导读
一篇 NeurIPS 2026 论文提出扩散模型强化学习的统一路径空间框架，证明 reverse-trajectory 方法与 forward-matching 方法（AWM、DiffusionNFT）的损失源自同一正则化扩散-RL 目标，二者经验差距来自方差缩减效应而非 RL 原理不同。
来源：arXiv · cs.LG · arxiv.org