AI资讯新闻榜单内容搜索-DMSampler

关键词: AI新闻,模型训练,蒸馏,DMSampler

过去的 Diffusion RL 多聚焦于奖励设计与优化算法，训练时的采样成本被忽视。DMSampler 指出：在在线 RL 中，限制规模化的不只是奖励信号或优化器，很多时候是 rollout 本身太贵。