IXThinker·2025-09-16 12:00

王夢迪團隊發布TraceRL 統一擴散模型訓練

擴散語言模型正受矚目，卻缺乏統一有效的強化學習框架。普林斯頓大學王夢迪教授團隊提出軌跡感知強化學習框架TraceRL，適用於多種架構，令擴散模型的RL訓練邁向大一統。

為何需要統一

自回歸大語言模型在計算效率與吞吐量上有其局限，擴散語言模型（DLM）因而受到關注。但業界一直缺少可適用於全注意力、塊注意力等不同DLM架構的統一RL框架，研究各自為政。