变分目标

掩码自回归变分加速：快速推理使强化学习变得实用

Masked Auto-Regressive Variational Acceleration: Fast Inference Makes Practical Reinforcement Learning

把 MAR 的「外层自回归解掩码 + 内层扩散去噪链」两级推理蒸馏成单步生成，并用基于分数的变分目标保住样本质量；做少步扩散/自回归生成或想把 RL 后训练接到生成模型上的人可直接复用该蒸馏目标与 MARVAL-RL 流程。