arXiv · AI· Chenxing Wei, Jiazhen Kang, Hong Wang, Jianqing Zhang, Hao Jiang, Xiaolong Xu, Ningyuan Sun, Ying He, F. Richard Yu, Yao Shu, Bo Jiang·· 5 小时前AI 评分33
LFPO：基于离散速度对齐的掩码扩散模型高效 Token 级策略优化
Efficient Token-Level Policy Optimization for Masked Diffusion Models via Velocity Alignment
AI 导读
提出 LFPO 框架解决 dLLMs 强化学习难问题，通过离散速度对齐实现稳定低方差更新。 该框架直接优化去噪 logits，从中间状态预测终端解以拉直生成轨迹，减少去噪迭代。 在推理和编码基准测试中，LFPO 准确率持平或超越似然基线并显著加速推理。
来源：arXiv · AI · arxiv.org