提出RPO在线扩散强化学习方法

2026年10月16日，arXiv Computer Vision 报道，Qiuhong Shen 等作者提出 Routing Policy Optimization（RPO）在线扩散强化学习方法。报道称，RPO 将注意力路由变成随机探索动作：在若干去噪层级上按生成器原生注意力权重采样关键块，用高斯似然对稠密速度打分，并通过共享提示词、初始潜变量与稠密锚层的两次 rollout 奖励差提供优势信号。该报道为目前唯一来源，未提及适用对象、收费或额度、地域及使用限制等条件。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。