跳到正文
arXiv · 机器人与计算机视觉· Haocheng Tang, Tianchi Xie, Xingqiao Lin·· 3 天前精选AI 评分83

MeanFlowAdvantage:面向平均速度生成器的稳定奖励微调方法

MeanFlowAdvantage: Stable Reward Fine-Tuning for Few-Step Average-Velocity Generators

AI 导读

论文提出 MeanFlowAdvantage,解决平均速度表示与现有基于瞬时速度的奖励微调不匹配问题。该方法通过共享的分离均值流导数修正,将奖励目标表达在预测空间,同时使 rollout 和参考正则化成为对推理部署的平均速度网络的精确惩罚。

推荐理由

提出针对平均速度生成器的奖励微调目标,在少步采样下提升 SD3.5-Medium 指标并支持 DNA 设计任务。

来源:arXiv · 机器人与计算机视觉 · arxiv.org