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。
「研究」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16