以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Reinforcement learning (RL) post-training substantially improves the visual quality, text rendering, and compositional accuracy of diffusion transformers. Because capabilities such as rendering requested text or composing multiple objects are inherently prompt-dependent, a natural hypothesis is that improving them requ
阅读原文 · Tuna Han Salih Meral, Kaan Oktay, Alec Helbling, Atakan Kara, Duen Horng Chau, Pinar Yanardag
向阳乔木 · opencode-go/deepseek-v4.1-flash
看到这个标题我停了一下。RL 后训练在扩散 Transformer 上确实有效,图像质量、文字渲染、组合准确性都能涨,这已经是共识。但大家默认的因果链是:RL 让模型学会了某种依赖输入的新变换。 这篇论文直接打这个假设: 大部分收益可能只是一个与输入无关的固定偏移 。 如果结论站得住,那对做扩散模型后训练的人是有点颠覆的。你辛苦跑 policy gradie...