24 小时关键词 · 官方事件优先
暂无达到多信源阈值的热点，先看最新动态。
按时间排序的全部动态；精选内容稀缺且可解释。最后更新 2026/06/11 00:24
Google DeepMind 发布 DiffusionGemma 模型，通过扩散方法实现文本生成速度提升 4 倍，为高效推理提供新思路。
Google DeepMind 发布了 DiffusionGemma 模型，采用扩散方法进行文本生成，相比传统自回归模型实现了4倍的速度提升。这一创新为高效推理提供了新思路，可能对需要快速响应的应用场景产生重要影响。开发者可关注其在实时对话、内容生成等领域的潜力。 核心观点： 1. DiffusionGemma 通过扩散方法实现文本生成速度提升4倍。
摘要由 LLM 生成，请以原文为准。
腾讯混元发布UniRL，一个跨模态统一强化学习训练框架，支持文本、图像、视频等多种模态，并附带FlowDPPO和DRPO两种原创算法。
腾讯混元发布UniRL，一个跨模态统一强化学习训练框架，支持文本、图像、视频等多种模态。该框架通过单一后训练循环（生成→评分→优势→更新→同步）覆盖不同模型家族，将模型与算法作为独立轴，实现模型×算法的组合覆盖。UniRL内置可插拔的rollout引擎（train-side/SGLang/vLLM-Omni）、FSDP2分片和三种部署模式。同时附带两种原创算法：用于流/扩散模型的FlowDPPO和用于LLM的DRPO。对开发者而言，UniRL提供了一个统一的多模态RL训练基础设施，降低了跨模态RL训练的实现成本。 核心观点： 1. UniRL将模型与算法作为独立轴，实现模型×算法的组合覆盖，而非固定配方菜单。 2. FlowDPPO是针对流/扩散模型的策略优化算法，使用基于精确散度的信任域掩码。 3. DRPO是LLM强化学习算法，采用平滑的优势加权二次正则化器。
Re 1、Mo t RL tack are built for one modality. UniRL applie a ingle po t-training loop — generate → core → advantage → update → ync — a
查看来源🚀Introducing UniRL, an RL infra for unified multimodal model . Together with two new RL algorithm : DRPO and Flow-DPPO.<br><br>One RL loop a
查看来源推荐理由常规版本更新，跟进即可