Linwei Dong等提出GDMD框架，刷新少步扩散蒸馏SOTA
热点事件持续更新
Linwei Dong等提出GDMD框架，刷新少步扩散蒸馏SOTA
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
2026年11月3日，Linwei Dong等发布arXiv论文，提出GDMD框架，旨在解决扩散蒸馏中样本评分与蒸馏轨迹冲突的问题。 GDMD框架将强化学习应用于扩散蒸馏，核心机制是优先使用蒸馏梯度而非原始像素输出作为优化信号，通过重新解释DMD梯度为隐式目标张量，实现奖励模型对蒸馏更新质量的自适应加权同步。 实验结果显示，GDMD的4步模型在GenEval和人类偏好指标上不仅超越了多步教师模型，还大幅超过此前的DMDR结果，刷新了少步生成领域的性能纪录。
AI 根据报道生成 · 3 小时前更新
最新进展11月3日 13:00
GDMD：基于梯度强化学习引导分布匹配蒸馏报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · MLGDMD：基于梯度强化学习引导分布匹配蒸馏
GDMD框架将强化学习应用于扩散蒸馏，通过优先使用蒸馏梯度而非原始像素输出作为优化信号，解决了样本评分与蒸馏轨迹冲突的问题。该机制将DMD梯度重新解释为隐式目标张量，使奖励模型直接评估蒸馏更新质量，实现自适应加权同步。实验显示，GDMD的4步模型在GenEval和人类偏好指标上超越多步教师模型及DMDR，刷新少步生成SOTA。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 811月3日 21:00
- 近 24 小时变化
- –
02468
21:0022:0023:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。