Yifan Yu के नेतृत्व में शोधकर्ताओं ने डिफ्यूज़न भाषा मॉडल के लिए ORL पेश किया है। यह ऑन-पॉलिसी रेज़िड्युअल लर्निंग का तरीका है। ORL मॉडल को उसके अपने अनुमान-पथों पर प्रशिक्षित करता है और आउटपुट को अधिक सटीक बनाने के लिए एंट्रॉपी-कॉन्ट्रैक्शन लॉस जोड़ता है। Qwen3‑4B से रूपांतरित 4 B मॉडल पर ORL ने प्रति फ़ॉरवर्ड टोकन की संख्या 6.2× तक और कुल थ्रूपुट करीब 6.9× बढ़ाया। इसकी गुणवत्ता ऑटोरेग्रेसिव स्पेक्युलेशन के बराबर या उससे बेहतर रही। इसी तकनीक से LLaDA‑2.1‑mini की गति 1.5× बढ़ी, जबकि DiffusionGemma को मामूली सुधार मिला।
यह क्यों मायने रखता है
डेवलपर उपभोक्ता-स्तर के GPU पर तेज़ और उच्च-गुणवत्ता वाला टेक्स्ट जनरेशन चला सकते हैं। इससे चैटबॉट जैसे ऐप्लिकेशन की लागत और प्रतिक्रिया में लगने वाला समय घट सकता है।
