通过同策略上下文蒸馏将 Agent 经验内化至扩散模型权重
英文标题：Internalizing Agent Experience into Diffusion Model Weights via On-Policy Context Distillation
该研究提出通过同策略上下文蒸馏（On-Policy Context Distillation），将外部 Agent 框架的经验直接内化到扩散模型自身的权重之中。传统文生图任务中，通过外挂智能体框架并利用记忆、技能、工作流编排、结果验证与迭代优化能够有效提升生成表现，但也带来了额外的系统与推理开销。该方法探索了将多步智能体交互经验固化至底层模型权重的新路径，为开发者构建兼具高表现与高推理效率的下一代原生扩散模型提供了新方向。
打开原文相关 6.4 · 机会 2
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv:2610.07250v1 公告类型：新提交（new）
摘要
为图像生成模型封装智能体框架（agentic harness）可以有效提升文生图（Text-to-Image）任务性能：该框架能够借助记忆、技能、工作流编排、结果验证以及迭代优化，持续构建并……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×