跳到正文
arXiv · 机器人与计算机视觉· Runlong Liao, Xingqian Xu, Lizhang Chen, Baiyu Su, Yufan Huang, Zhonghao Wang, Akash Gokul, Ming-Yu Liu, Qiang Liu, Yogesh Balaji·· 10 天前AI 评分65

SIFR:稳定有符号流强化学习

SIFR: Stable Signed Flow Reinforcement

AI 导读

针对基于奖励的流模型微调存在的不稳定性和分布坍塌问题,论文提出了 Stable Signed Flow Reinforcement (SIFR) 方法。该方法利用有符号优势替代奖励权重以提供缺失的不拟合信号,并通过拉格朗日乘子约束相对于参考模型的速度漂移来稳定更新过程。

来源:arXiv · 机器人与计算机视觉 · arxiv.org