#SPM

共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「SPM」标签的资讯、产品与论文,按刊登时间排,新的在上。
11月20日
论文12:15
Shadow Posterior Matching:强化少步扩散模型的奖励对齐新方法

如果你在做少步扩散模型的 RL 调优,这篇值得看:SPM 用重加噪的 shadow posterior 拿奖励信号,比现有少步 RL 方法奖励更高、reward hacking 更少,还顺带解决对齐蒸馏 teacher 的老问题。做图像生成对齐的工程团队可以直接参考它的损失设计。

arXiv cs.LG@Jingqiao Xiu, Yicong Li原文