arXiv · cs.AI· Wenxuan Wang, Zekai Liu, Weinan Zhang, Yu Cheng, Yang Yang·· 2 天前
D-OPCD将智能体经验蒸馏至扩散模型权重，提升文生图直接生成表现
Internalizing Agent Experience into Diffusion Model Weights via On-Policy Context Distillation
arXiv:2610.07250v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Wenxuan Wang, Zekai Liu, Weinan Zhang, Yu Cheng, Yang Yang
研究任务与主要进展
研究提出Diffusion On-Policy Context Distillation（D-OPCD），将文本生成图像智能体改进后的提示词作为特权上下文，蒸馏到扩散模型权重中。基于论文摘要，在四个基准上，模型直接生成的平均得分从60.52提升至65.09；第二轮Auto Skill Evolver（ASE）更新后，相对无技能基线进一步提升1.83分，显示模型与智能体工作流可进行协同演化。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org