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) has become a standard post-training method for diffusion models, but most RL objectives roll out the current policy at every iteration, and with a many-step sampler these rollouts typically dominate the cost of training. Few-step models cut this cost, yet they model an average velocity over
阅读原文 · Haitao Lin, Minsi Ren, Yang Li, Xingtong Ge, Zheyuan Hu, Peiyan Hu, Tailin Wu
向阳乔木 · opencode-go/deepseek-v4.1-flash
少步扩散模型（few-step diffusion）这两年在生成速度上很能打，但后训练阶段一直有点尴尬。强化学习（RL）已经是扩散模型后训练的标配手段，可大多数 RL 目标都默认策略每轮从头采样，采样步数一多，rollout 就成了训练成本的大头。 少步模型本来能砍掉这笔开销，问题在于它建模的是 一个区间内的平均速度 ，而现有 RL 目标是为 多步采样器下的...