RTDMD

RTDMD是一个基于PyTorch实现的框架，旨在通过奖励倾斜分布匹配来增强少量步骤生成器。其核心功能包括通过最小化与奖励倾斜教师分布之间的KL散度来结合分布匹配蒸馏和奖励导向的强化学习。技术特点主要体现在Ambient-Consistent DMD（AC-DMD）用于冷启动阶段，以及在RL阶段采用混合策略梯度方法（SubGRPO加上最终步骤奖励反向传播）。该项目特别适合于需要高效且高质量生成结果的应用场景，例如图像生成、文本到图像转换等任务。