字节 Seed 提出一步生成模型后训练方法 RWTD

2026年10月2日，AGI Hunt 报道，字节跳动 Seed 团队提出 Reward-Weighted Transport Distillation（RWTD），一种面向一步生成模型的后训练方法。据该报道，RWTD 仅需生成样本和标量奖励评估即可完成训练，无需额外条件。报道称，采用该方法后，模型在 GenEval 基准上的得分由 0.73 提升至 0.80。目前该事件仅有这一篇报道，尚无后续进展、第三方复现或其他团队验证的信息。

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。