热点事件持续更新
快手Kling发布DiffusionART在线RL方法
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
快手 Kling 团队发布面向扩散模型的在线强化学习方法 DiffusionART，用于视频模型训练。据 AGI Hunt 2026 年 10 月 12 日报道，该方法在 HunyuanVideo-13B 上达到 DiffusionNFT 和 Flow-GRPO-Fast 的后期平均奖励水平，分别只需前者 1/12.02、后者 1/11.72 的 GPU 时；同时其平均训练奖励比两者分别高出 28.8% 和 53.0%，报道将其概括为省约 12 倍 GPU 时、奖励还高出 53%。现有报道仅给出该方法在 HunyuanVideo-13B 上与这两个基线的对比结果，未涉及其他模型或其他后续进展，暂无与早先报道相矛盾的数字或说法。
AI 根据报道生成 · 52 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- AGI Hunt快手 Kling 团队发布 DiffusionART：训练视频模型省 12 倍 GPU 时，奖励还高出 53%
快手 Kling 团队发布 DiffusionART，一种面向扩散模型的在线强化学习方法，在 HunyuanVideo-13B 上达到 DiffusionNFT 和 Flow-GRPO-Fast 后期平均奖励水平分别只需 1/12.02 和 1/11.72 的 GPU 时，平均训练奖励高出 28.8% 和 53.0%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。