DiffusionART：扩散模型高效稳定强化学习框架
原文标题：DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion 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 DiffusionART，通过将每个提示的奖励聚合为共享的奖励改进方向，消除 NFT 类目标中的前向-反向一致性力，并加入信任域掩码二次更新实现漂移自适应恢复。方法无需可微奖励模型与 EMA 调参，在图像与视频生成上高效稳定。在 HunyuanVideo-13B 上，达到 DiffusionNFT 与 Flow-GRPO-Fast 后期奖励水平所需 GPU 时间分别减少 12.02 与 11.72 倍。
- 问题
- 扩散模型在线 RL 微调要么效率低，要么依赖 EMA 调参不稳定。
- 方法
- DiffusionART 将每提示奖励聚合为共享改进方向，消除前向-反向一致性力，加信任域掩码二次更新。
- 结果
- HunyuanVideo-13B 上达到 DiffusionNFT 与 Flow-GRPO-Fast 后期奖励水平所需 GPU 时间分别减少 12.02 与 11.72 倍。
- 影响
- 免调参、免可微奖励模型，视频生成 RL 微调成本大幅下降。
深读 · 结论先行AI 生成展开看要点与影响 ↓
DiffusionART在HunyuanVideo-13B上省12倍GPU时间达到DiffusionNFT同等奖励。
- •指出NFT类目标含隐藏的前向-反向一致性力，正负联合训练只能部分抵消
- •EMA的作用是恢复而非离策略rollout，因此可去掉EMA调参
- •将每个提示的奖励聚合为共享奖励改进方向，从构造上消除一致性力
- •加入信任域掩码二次更新，实现漂移自适应恢复
- •HunyuanVideo-13B上达到DiffusionNFT与Flow-GRPO-Fast后期奖励水平，GPU时间分别减少12.02与11.72倍
为什么重要：对做扩散模型在线RL微调的团队重要：无需可微奖励模型、无需EMA调参，视频生成场景下训练成本可降一个数量级。
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
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。