arXiv · 机器人与计算机视觉· Jeongsol Kim, Hongeun Kim, Jian Wang, Jong Chul Ye·· 2026-10-20精选AI 评分82
无梯度噪声优化用于生成模型的奖励对齐
Gradient-Free Noise Optimization for Reward Alignment in Generative Models
AI 导读
针对现有扩散和流模型的奖励对齐方法依赖多步随机轨迹且难以扩展至确定性生成器的局限,本文提出 ZeNO(Zeroth-order Noise Optimization)框架。
推荐理由
提出无需反向传播的噪声空间优化框架,解决扩散与流模型在不可微生成器上的奖励对齐难题。
来源:arXiv · 机器人与计算机视觉 · arxiv.org