据VentureBeat网2025年4月28日消息，美国加州大学洛杉矶分校（UCLA）联合Meta AI推出新的开源框架d1，通过强化学习技术显著提升了扩散式大语言模型（dLLMs）的推理能力。

该框架包含两个阶段的后期训练过程：第一阶段，模型在高质量推理轨迹中进行监督微调；第二阶段，即强化学习阶段，研究人员采用名为diffu-GRPO的新算法进行强化学习训练，这一算法为dLLMs估计对数概率提供了一种高效方法，并在每次更新步骤中随机遮蔽部分输入提示，从而增强模型的学习效果。

测试结果显示，经过d1处理的模型在各项任务中表现出色，尤其是在生成较长的响应时，模型显示出自我修正和回溯的能力，表明其具备更强的解决问题的策略。

信息来源：

https://venturebeat.com/ai/30-seconds-vs-3-the-d1-reasoning-framework-thats-slashing-ai-response-times/

https://mp.weixin.qq.com/s/QPPw0_K35wtXDU_g4NTGhw