跳到正文
arXiv · 机器人与计算机视觉· Junyi Wu, Weijian Luo, Haoyang Zheng, Ruizhe Zhang, Guang Lin·· 8 天前AI 评分72

Diff-Instruct with Diffused Reward:迈向原则性的一步生成器强化学习

Diff-Instruct with Diffused Reward: Towards Principled One-step Generator RL

AI 导读

arXiv 论文提出 Diff-Instruct with Diffused Reward (DIDR),这是一种基于积分 KL 最小化的无数据轨迹级对齐框架,旨在解决一步文本到图像生成中奖励优化与扩散动力学不匹配的问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org