热点事件持续更新
研究团队提出扩散语言模型在线残差学习框架ORL
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月16日，研究团队在arXiv发布论文，提出面向扩散语言模型（DLM）的在线策略残差学习框架ORL。该框架通过动态学习模型生成的残差轨迹，并引入熵收缩目标来锐化预测。测试结果显示，在基于Qwen3-4B转换的4B DLM上，ORL将单次前向生成token数量（TPF）最高提升6.2倍；配合dlmrt推理引擎时，实现了约6.9倍的端到端吞吐提升。
AI 根据报道生成 · 5 小时前更新
最新进展10月16日 12:00
研究团队提出ORL框架，在4B扩散语言模型上实现端到端吞吐提升约6.9倍。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv 机器学习用于扩散语言模型的在线策略残差学习框架 ORL
研究人员提出面向扩散语言模型（DLM）的在线策略残差学习框架 ORL，通过动态学习模型生成的残差轨迹并引入熵收缩目标来锐化预测。在基于 Qwen3-4B 转换的 4B DLM 上，ORL 将单次前向生成 token 数量（TPF）提升最高 6.2 倍，配合 dlmrt 引擎实现端到端吞吐提升约 6.9x。
本事件热度走势
当前热度 9·可比范围峰值 10（10月16日 13:00）·近 24 小时可比范围变化 –
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。