DiffusionART：扩散模型强化学习新方法

Zhenglin Wan 等人发布论文提出 DiffusionART，一种面向扩散模型的在线强化学习微调方法。该方法将每个 prompt 的奖励聚合为共享的奖励改进方向，从而在构造上消除 NFT 类目标中隐藏的前向-反向一致性力，并加入信任域掩码的二次更新实现漂移自适应恢复，无需 EMA 调参。 论文称，该方法不需要可微奖励模型，在每 prompt 样本更少时仍有效，并支持成对奖励模型（DiffusionART-Pairwise）；在图像和视频生成上无需逐任务调参即可稳定训练。在 HunyuanVideo-13B 上以等权重视觉与运动质量奖励训练时，论文称其达到 DiffusionNFT 和 Flow-GRPO-Fast 后期平均奖励水平所需 GPU 小时分别少 12.02 倍和 11.72 倍，平均训练奖励分别高 28.8% 和 53.0%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。