提出DiffusionOPD方法,基于在线策略蒸馏将扩散模型的多任务强化学习解耦,有效避免了跨任务干扰与灾难性遗忘,显著提升了训练效率与最终性能并在多个基准测试上达到SOTA。
机构:复旦
来源:arXiv 2605.15055 | AI4Papers 论文推荐平台