DAPD提升2分，扩散解码达1500token/s

重点关注

01 训练优化 特权信息越多，学生反而学得越差

教师掌握更多信息，竟可能让自蒸馏后的模型性能下降。问题不只是能力差距，而是「特权幻觉」：教师依赖训练时可见的额外信息做出正确行为，学生却在推理时拿不到这些信息，仍被训练得仿佛它们存在。DAPD用双路径锚定加入一条由学生自身条件构成的桥梁，只在信息相匹配的路径间对齐教师与学生，避免把学生无法复现的行为硬塞过去；再用双来源锚定进行双向约束，在保留正确性监督的同时，降低对特权教师的依赖。摘要报告称，该方法在Qwen3-4B的多项任务上平均超过常规在线自蒸馏2.00分，增益还随规模保持，在4B和32B模型上分别达到2.69和2.78分。更值得注意的启示是，后训练不能只问教师「够不够强」，还要检查每个监督信号是否建立在学生推理时可达的信息之上；具体实验设置与代价仍需看全文确认。

原文：DAPD: Dual-Anchored Policy Distillation

02 机器人 先看答案再写理由，自动驾驶模型真的学会决策了吗？

把车辆的真实未来轨迹提前交给教师模型，监督任务就从「根据当下场景做决策」悄悄变成了「为既成结果补写理由」。论文将这种现象称为轨迹锚定偏差：生成的思维链看似合理，因果上却未必忠实，在需要辨别关键因果关系的场景中还会带来更严重的幻觉。直接隐藏真实轨迹也不够，因为让模型开放式生成轨迹，会把高层决策与精确几何、车辆动力学混在一起。作者因此把规划改造成候选轨迹选择题，并在模型作出选择后才暴露真实轨迹，用它作为强化学习的验证目标；摘要报告称，这能改善驾驶推理，同时维持甚至增强通用视觉能力。对生产自动驾驶训练数据的团队，更重要的检查项不只是解释写得是否流畅，而是标注者在推理时是否提前看见了本应预测的结果。

原文：Deferred Exposure of Future Trajectories for Verifiable Reasoning in Autonomous Driving VLMs

03 推理加速 DiffusionGemma从成熟模型迁移到扩散解码

扩散式文本生成真正有意思的突破，可能不是一次并行处理256个token，而是成熟的自回归模型可以直接迁移过去。DiffusionGemma以Gemma 4为底座，用不到原模型训练token预算的10%完成两阶段微调，先学习双向去噪，再通过强化学习和采样器蒸馏兼顾质量与效率。报告称，它在单张NVIDIA H100上平均每次前向生成约20个token，吞吐约1500 token/s，并显著快于采用先进推测解码的自回归模型。更有潜力的是，模型仍能以较小性能损失进行自回归生成，为扩散与自回归混合解码留下了空间。不过这仍是实验性开放权重模型，并行处理256个token不等于端到端加速256倍，工程价值还要看质量、迭代次数和硬件利用率能否同时兑现。

原文：DiffusionGemma Technical Report

04 图像生成 生成模型的下一步，是交付可继续工作的设计稿吗？

扁平图片一旦进入后续设计流程，局部移动、删除和复用都会暴露结构缺失的问题。UniWorld-Design把语义RGBA图层——带透明通道、对应完整对象的独立资产——作为生成、理解和编辑的基本单位，既能从文本生成素材，也能把成图拆成有顺序的完整图层。由于模型学习的是完整对象而非可见像素切片，移走或删除某个图层后，其余内容仍有望保持可用，这有望降低后续修改、复用和代理式编辑的成本。在Crello基准上，它将逐图层RGB误差降低37%，Alpha Soft IoU相对提升34%，但这些指标能否转化为真实设计流程中的时间节省，仍需看全文和实际工作流验证。对做设计工具或内容生产Agent的团队来说，值得重新评估的不是模型能否再多画好一点，而是输出是否保留了足够的结构。

原文：UniWorld-Design: From Pixel Generation to Layer-Native Design