RVM 新方法：在速度空间直接做扩散模型 RL 微调

GaTech Yongxin Chen 团队提出 RVM（Reward-based Velocity Matching），一种扩散模型强化学习微调新技术。该方法绕开似然比估计，直接以速度匹配为起点，采用奖励加权的速度匹配损失加锚定回归项，训练更快且更稳定。相关方法已在 SD3.5、Wan、SkyReels 等多个扩散模型上完成验证。

2026-10-13 ~ 2026-10-14 · 2 条相关

• RVM:绕开似然直接在速度空间做扩散模型 RL 微调,快且稳 — ArashVahdat · 2026-10-13
• RVM：免似然比的权利重速度匹配 RL，在 SD3.5、Wan、SkyReels 上验证 — gowthami_s · 2026-10-14