DiffusionART：无需可微奖励的扩散模型在线RL微调方法

2026年10月12日，arXiv Machine Learning Theory（一手来源）发表研究，提出 DiffusionART（Diffusion Reinforcement with Aggregation-First Reward Tilting），一种面向扩散模型的高效、稳定且可扩展的在线强化学习微调方法。该方法无需可微奖励模型，通过聚合每个 prompt 的奖励构建共享的奖励提升方向，从结构上消除一致性力，并以 trust-region-masked 二次更新替代 EMA 调参。目前公开信息仅包含该论文报道，尚未见后续验证或复现结果。

Generated from reports · updated 2 hr ago

There is not enough continuous observation data to draw a trend yet.