扩散语言模型的结果路由蒸馏与强化学习
原文标题：Outcome-Routed Distillation and Reinforcement 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。
论文提出一种无似然流水线，结合结果路由蒸馏与强化学习训练专家混合扩散语言模型（dLLM）。通过验证器结果对 rollout 分组路由，混合组使用无比率 REINFORCE，全失败组使用 KL 监督。在工具调用任务上，蒸馏超过教师 6.77 个百分点，路由进一步提升 18.31 点。
深读 · 结论先行AI 生成展开看要点与影响 ↓
扩散语言模型蒸馏超教师 6.77 点，结果路由再提升 18.31 点。
- •提出无似然流水线，结合结果路由蒸馏与强化学习训练专家混合扩散语言模型。
- •按验证器结果对 rollout 分组路由：混合组用无比率 REINFORCE，全失败但教师成功的组用 KL 监督，其余跳过。
- •工具调用教师仅在 18.6% 的训练提示上成功。
- •24 步去噪下，蒸馏超过教师 6.77 个百分点，路由再提升 18.31 点。
- •路由使推理轨迹准确率降 0.71 点，但同项直接回答准确率升 13.21 点；锚定 KL 项可恢复轨迹准确率。
为什么重要：双向去噪使比率型 RL 不可靠，这条给出了 dLLM 上结合验证器信号与蒸馏的可行路径。
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。