研究团队在Reddit发布ORL（On-Policy Residual Learning），一种让扩散语言模型（dLLM）在更少前向次数内收敛、从而加速生成的方法，并同步开源模型、训练代码、评测流程与自研推理引擎dlmrt。作者自报称，LLaDA-2.1-mini搭配ORL在NVFP4下单张RTX 5090可达2,788 tokens/s，DiffusionGemma 26B MoE在8×B200上达7,708 tokens/s，QwenDLM-4B端到端吞吐最高提升6.9倍，HumanEval pass@1从82.9%升至89.6%。团队同时说明，以上数字均为batch size 1的单请求解码峰值，并非任意提示词下的平均值或并发总吞吐；与DFlash、EAGLE3的对比是端到端系统比较，ORL用dlmrt而投机解码器用vLLM。