腾讯混元发布 FewStepRL：用强化学习微调少步扩散模型的新框架

腾讯混元联合西湖大学等发布 FewStepRL，通过 x 空间变换、梯度分解和锚点适配，将多种主流 RL 方法改造为少步扩散模型变体。实验显示，可微奖励下 reward-gradient 类方法表现更优，DiffusionNFT 风格方法能用更少迭代达到高奖励，降低后训练成本。