跳到正文
Hugging Face Daily Papers·· 2026-10-15精选AI 评分82

面向在线扩散强化学习的路由策略优化

Routing Policy Optimization for Online Diffusion Reinforcement Learning

AI 导读

该研究提出 Routing Policy Optimization (RPO) 方法,旨在解决现有分数函数方法因扰动反向去噪轨迹而导致的昂贵 rollout 优化问题。

推荐理由

提出 RPO 方法,在扩散模型内部引入随机探索以提升强化学习对齐效率。

来源:Hugging Face Daily Papers · arxiv.org