一句话看懂：2026年10月8日，DiffusionART 在 Hugging Face Papers 公开，提出一种无需 EMA 调参的扩散模型在线强化学习框架，声称在 HunyuanVideo-13B 上达到同类方法晚期奖励水平所需 GPU 小时最多减少 12 倍。
事件核心：发生了什么
根据 Hugging Face Papers 上发布的论文摘要，DiffusionART 全称为 Diffusion Reinforcement with Aggregation-First Reward Tilting，目标是解决扩散模型在线强化学习中的效率与稳定性矛盾。现有反向过程方法如 Flow-GRPO 因信用分配不佳而效率受限，前向过程方法如 DiffusionNFT 虽然高效，却依赖精心调整的 EMA 离策略训练，否则容易不稳定。
论文摘要称，NFT 类目标中存在一种隐藏的前向—反向一致性力，正负样本联合训练只能部分抵消；而 EMA 的稳定作用来自“恢复”而非离策略 rollout。DiffusionART 通过将每个 prompt 的奖励聚合为反向过程状态共享的奖励改进方向，从构造上消除该一致性力，并加入带信任域掩码的第二次更新，实现漂移自适应恢复，无需 EMA 调参。它不需要可微奖励模型，每个 prompt 使用更少样本仍然有效，并支持成对奖励模型 DiffusionART-Pairwise。
在图像和视频生成任务上，摘要称 DiffusionART 无需逐任务调参即可高效稳定训练。尤其在 HunyuanVideo-13B 上，当视觉质量和运动质量奖励等权时，DiffusionART 达到 DiffusionNFT 和 Flow-GRPO-Fast 晚期平均奖励水平所需的 GPU 小时分别减少 12.02 倍和 11.72 倍，平均训练奖励分别高出 28.8% 和 53.0%。需要说明的是，上述结果来自论文摘要，全文实验尚未核验，不代表已通过同行评审或已上线可用产品。
为什么重要
扩散模型的后训练一直面临一个现实问题：用黑盒奖励做在线强化学习，效果好但算力成本高，调参不稳定。DiffusionART 如果能在更大范围复现，意味着团队不必在 EMA 等超参数上反复试错，也不必依赖可微奖励模型，就能把强化学习更直接地用于图像和视频生成。对开源社区和中小团队而言，降低 GPU 小时和样本需求，可能让原本只有大厂能承担的视频生成后训练变得更可及。
从技术路线看，它试图把前向过程方法的效率与反向过程方法的稳定性结合起来，并用“聚合优先”替代逐状态信用分配。这为扩散模型 RL 微调提供了一个不同于 Flow-GRPO 和 DiffusionNFT 的新方向，也可能影响后续开源模型的后训练工具链。
对用户/开发者/创作者的影响
对开发者和研究者，DiffusionART 的吸引力在于减少对 EMA 调参和可微奖励模型的依赖，且支持成对奖励模型，适合接入现有偏好数据或黑盒评分器。如果代码和权重后续开源，个人研究者用较少 GPU 资源尝试视频生成 RL 微调的门槛会降低。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对内容创作者和 AI 应用团队，短期影响更多是间接的：图像和视频生成模型的奖励对齐可能更快、更便宜，模型在视觉质量和运动质量上的平衡有望提升。但目前公开信息显示，这只是论文层面的方法，尚未看到可直接调用的 API、产品界面或商业服务，创作者不必急于更换现有工作流。
值得关注的后续
第一，论文是否公开完整实验细节、代码和预训练权重，尤其是 HunyuanVideo-13B 之外的模型上能否复现；第二，DiffusionART 与 Flow-GRPO、DiffusionNFT 在同等算力和数据条件下的第三方对比是否成立；第三，主流开源视频生成项目或云厂商是否将其纳入后训练管线，以及是否出现面向开发者的托管服务或 API。
