扩散模型在单一工作上的强化进建已经获得了显著进展，例如提升文字天生质量、加强构图正确性，或优化画面美感等。但倒剽些能力必要同时集成到统一个模型中时，训练往往会变得极度难题：分歧工作之间容易产生互有关扰，训练指标也会变得复杂而不不变。
近期，来自复旦大学与阿里巴巴通义万相的钻研团队对此提出了新的思虑。他们以为，多工作强化进建不应被视为一个统一优化问题，而应该解耦为两个彼此独立的过程：单工作的在线战术索求 & 多工作能力整合。
DiffusionOPD 的主题思路，是先针对分歧工作别离训练各自的「专家老师」模型 ；随后，再通过在线战术蒸馏，将这些老师模型的能力统一蒸馏到统一个学生模型中，实现多工作能力整合。最终，一个统一的 student model 便可能同时两全构图、OCR、美学等多项能力。
结合多工作 RL (Joint Multi-Task Optimization) ：使用现有的 RL 算法规如 DiffusionNFT, GRPO 去结合优化多个工作。这种范式会撞上两个问题： 1 嘉奖矛盾：分歧工作的优化?神驰往存在互有关扰 ； 2 工作失衡：单一工作会主导训练过程，导致复杂工作难以充分进建。
级联 RL (Cascade RL)：按阶段顺次训练分歧工作。固然可能缓解工作矛盾，但是训练流程复杂，必要别离调整各阶段的超参数与训练战术，并且容易产生苦难性忘却，后续工作训练的时辰会减弱已有能力。
图 1：（a）相比所有多工作强化进建基线步骤，DiffusionOPD 展示出显著更快的收敛速度以及更高的机能上限。（b）在蕴含 GenEval、OCR 与美学在内的多个工作领域中，DiffusionOPD 均优于所有基线步骤。
DiffusionOPD 给出的答案?脆利落：多工作强化进建不应被视为一个统一优化问题，而应该解耦为两个彼此独立的过程：单工作的在线战术索求 & 多工作能力整合。
Stage 1?单工作?师独?训练：针对分歧工作（如 GenEval、OCR、Aesthetic 等），别离使用现有的 diffusion RL 步骤训练对应的「专家老师」模型。其中，GenEval 工作选取 DiffusionNFT，OCR 与美学工作选取 GRPO-Guard。由于每个老师仅掌管单一工作，因而可能预防跨工作滋扰。Stage 2?在线战术蒸馏多工作能力到学?模型：随后，从一个预训练扩散模型初始化统一的学生模型，并通过在线战术蒸馏整合多工作能力。在训练过程中，学生模型针对分歧工作，基于自身战术天生去噪轨迹 ；随后，在学生天生的每个去噪状态上，由对应工作的老师模型提供监督信号。因而，学生模型无需沉新对所有工作进行从零索求，而是可能直接进建各工作老师的战术与能力，从而实现高效的多工作能力融合。
在 LLM 中，OPD 的做法很天然：学生模型先依照自己的战术天生 token，随后老师模型在学生接见到的每一个 token 状态上提供监督。由于说话模型自身是离散 token 散布，因而能够直接对每一步的 token distribution 做 KL 蒸馏。
因而作者首先把 diffusion 的去噪过程沉新视作一个 continuous-state Markov chain（陆续状态马尔可夫链）。在这个视角下，每一步去噪 transition 都对应一个 Gaussian transition kernel ；学生模型和老师模型别离界说自己的 transition distribution：
DiffusionOPD 论文里严格证了然直接关式 KL 与 PPO -style policy gradient在进展意思下梯度齐全相称。但 PPO 的梯度里会多出一项 score-function 项，它与高斯噪声成正比，进展为零但方差不为零。也就是说，PPO 估计天然比关式 KL 更「吵」。
图 2：与多工作强化进建步骤以及单工作老师模型的定性对比了局。每个案例分为两行展示：第一行从左到右顺次为 DiffusionOPD（本文步骤）、Multi-Task GRPO-Guard、Multi-Task NFT 和 Cascade NFT ；第二行从左到右顺次为输入文本、Aesthetic Teacher、GenEval Teacher 和 OCR Teacher 的天生了局。
作者还做了一组很有意思的对照尝试：固定统一批专家教员，别离用 DiffusionOPD、DMD、TDM、SFT 蒸馏到统一个学生，节造变量后对比谁更适合「多工作能力整合」这个场景。
图 6：关于损失函数大局与采样器噪声水平的消融尝试。当噪声水平设为 0 时，SDE sampler 将退化为 ODE sampler。尝试了局批注，PPO-style policy gradient 的阐发逊于同样 noise level 的 closed-form KL objective ；此表，更低的噪声水平可能带来更快的收敛速度和更高的机能上限。
《图书馆的女朋友》IT之家 6 月 5 日消息，今天晚间，彭博社记者马克 · 古尔曼爆料称，苹果内部将新版 Siri 标记为“Beta”版，表明该助手不会被宣传为完全完成的产品。就在三周前，国际足联官方《球场行为准则》中还包含一项条款：“为避免疑义，容量不超过1升的空置、透明、可重复使用塑料瓶可以带入球场。”《图书馆的女朋友》GOGOGO高清免费旁观电视剧一百度大生莱昂纳德本赛季出战65场，场均砍下27.9分、入选NBA最佳阵容二阵，可快船依旧无缘2026年季后赛。莱昂纳德加盟快船的七个赛季里，球队始终没能真正冲击总冠军，快船完全有理由送走他，其5030万美元的合同即将到期。我个人觉得会更多元。coding agent 的生产力毫无疑问会越来越重要，而且它才刚刚开始，这个世界还有 trillions of dollars 的市场没被填满；但多模态、具身智能，还有很多很多新事情正在或刚刚发生。所以从这个角度看，如果我们认为下半场才刚开始，那可能确实不算晚。
20260606 ? 《图书馆的女朋友》6月5日凌晨，国际足球友谊赛，西班牙队对阵伊拉克。经过90分钟战斗，双方各进一球，最终西班牙1-1战平伊拉克队。西班牙队的夺冠前景变得不够乐观。《母乳2》我觉得我们球队也是来了很多年轻球员，包括整个教练组在内的团队都换了。我觉得足球比赛就是这样，距离那场比赛也是过去了很长时间了，我们要向前看，也不会再去想这样的一场比赛。
20260606 ? 《图书馆的女朋友》据葡萄牙《球报》消息，穆里尼奥在弗洛伦蒂诺-佩雷斯竞选视频中身穿皇马球衣的画面是通过AI生成，这一情况不会改变他目前与本菲卡之间的合同关系。若弗洛伦蒂诺在6月7日的选举中连任，皇马仍需支付1500万欧元解约金。《呼吸过度》的动漫沃特金斯：不太能理解。很多人觉得英格兰那么多天才球员，应该每场赢6球，但足球不是这样，不管谁执教都很难做到。他带队连续进入欧洲杯决赛，这是很了不起的成就，他在英格兰主帅这个位置上做得很好。
京公网安备11010202000001号
