AK@_akhaliq · XAI 摘要
新论文提出扩散强化学习方法，在Rollout探索阶段使用FP4低精度采样，训练阶段采用BF16精度，通过混合精度策略平衡计算效率与训练稳定性，实现高效扩展。
FP4 Explore， BF16 Train
Diffusion Reinforcement Learning via Efficient Rollout Scaling
paper： https://huggingface.co/papers/2604.06916
AK@_akhaliqAI 摘要
新论文提出扩散强化学习方法，在Rollout探索阶段使用FP4低精度采样，训练阶段采用BF16精度，通过混合精度策略平衡计算效率与训练稳定性，实现高效扩展。
FP4 Explore， BF16 Train
Diffusion Reinforcement Learning via Efficient Rollout Scaling
paper： https://huggingface.co/papers/2604.06916
AK@_akhaliq · X在 X 查看原推