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。
《既往深咎》BY糠木今年2月，李女士在四川银行自贡分行荣县支行开户办卡。5月30日，她携身份证、银行卡到网点申请提升一天5000元转账限额，工作人员却要求还需提供户口簿才能办理。对此，上海中联（南京）律师事务所王捷律师告诉记者，交警不出具“交通事故责任认定书”是有依据的。从该起事故来看，它并不属于交通事故，而是属于道路管理瑕疵的侵权责任。《既往深咎》BY糠木《胶囊旅店》谷歌、亚马逊、微软、Meta都在自研AI芯片，目的是“减少对第三方GPU的长期依赖”。亚马逊的Trainium 3芯片，单机架性能已经与英伟达Blackwell NVL72持平，但总拥有成本低约50%。在此行业背景下，2026年6月1日至3日，远程汽车以公开透明的实景实测方式，推动星智T9M甲醇电动轻卡完成杭州至北京八达岭长城的满醇满电零补能长途行驶，冲击吉尼斯世界纪录™称号。不同于行业多数实验室标准化测试与营销化展演，此次跨三省、超1699公里的全实景路况挑战，以终端运营的严苛标准核验车辆综合性能，既是对远程3.0代甲醇电动技术落地成果的直观检验，也为干线物流新能源转型的路径探索，提供了具备实操价值的行业样本。
20260606 ? 《既往深咎》BY糠木PC业务有周期性，换机潮能带来增长，但很难独自撑起千亿美元想象，AI PC还在市场教育阶段。AI服务器和基础设施有高增长机会，但也面临供应链、价格竞争和利润率压力。服务和解决方案业务利润质量好，但规模扩张通常不如硬件直接。被言情文男主们被轮流欺负有一个幼天眼查显示，2025年7月2日，永康医院有一条行政处罚信息：违反《医疗质量管理办法》第十六条、《医疗机构管理条例》第二十六条、《医疗纠纷预防和处理条例》第十五条的规定，给予呼和浩特永康医院警告并处罚款人民币叁万伍仟元整（35000元）的行政处罚。
20260606 ? 《既往深咎》BY糠木“守住根本，守护本真性；主动承接，融入现代生活；共建共享，让保护者成为受益者。”在“世界市长对话·黄山”主对话环节，何毅分享了黄山市在赓续城市文脉方面的实践心得，“遗产保护不能只重眼前利益，而要长远考虑，具有可持续性。”《表国大片又大又好看的PPT百度10分钟》埃弗顿两年前为恩迪亚耶支付了1500万英镑的转会费，到目前为止，恩迪亚耶为俱乐部出场71次，贡献了17粒进球和3次助攻。增加一名像恩迪亚耶这样灵活的前锋也是一个选择，因为库尼亚和姆伯莫都能在中路踢球。
京公网安备11010202000001号
