ORL：扩散语言模型的在线策略残差学习框架
原文标题：On-Policy Residual Learning for Diffusion Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 ORL 框架，指出残差学习本质是在线策略的，通过模型自生成残差轨迹与熵收缩目标提升预测锐度，并协同设计异步残差捕获、块扩散注意力与计算均衡训练。在由 Qwen3-4B 转换的 4B 扩散语言模型上，每前向 token 数最高提升 6.2 倍，端到端吞吐提升约 6.9 倍。在 LLaDA-2.1-mini 与 DiffusionGemma 上同样带来吞吐提升。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ORL 用在线策略残差学习把 4B 扩散语言模型吞吐提升约 6.9 倍，单 H100 比 DFlash 快 1.74 倍。
- •指出残差学习本质是在线策略的，从模型自生成的残差轨迹实时学习
- •引入熵收缩目标，模型重访自身预测时提升预测锐度
- •系统侧协同设计异步残差捕获与传输、块扩散注意力、计算均衡的打包训练
- •在由 Qwen3-4B 转换的 4B 扩散语言模型上，每前向 token 数最高提升 6.2 倍，端到端吞吐约 6.9 倍
- •单 H100 单请求下，匹配精度时比 DFlash 快 1.74 倍，速度-质量帕累托前沿优于带 EAGLE3 与 DFlash 的自回归模型
为什么重要：扩散语言模型一直难在速度-质量上压过自回归加推测解码，这条给出可规模化的训练与系统方案，对做 DLM 落地的团队是关键信号。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。