扩散模型端到端强化学习引热议，多年前研究被重提

Kangwook_Lee · x · 2026-08-02

在一则关于生成模型如何通过分步生成（如自回归 LLM 预测 token 或扩散模型逐步去噪）来解决模式平均问题的讨论中，研究者 @AlexiGlad 指出这种机制会导致训练与推理不一致，进而引发误差累积（exposure bias）。

针对业界呼吁对生成模型进行端到端（e2e）训练的趋势，康威大学学者 @KangwookLee 补充指出，其实 @yingfanbot 在多年前就已经成功实现了针对扩散模型的端到端强化学习（e2e RL），为当前的技术探索提供了重要的历史参考。