跳到正文
热点事件持续更新

提出优势门控适应方法解决扩散强化学习锚点耦合

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

Pu Cao 等人于 2026-11-18 在 arXiv 发表论文,针对扩散强化学习中利用移动策略副本作为锚点时出现的负优势干扰正反馈问题,提出了优势门控适应(AGA)方法。该方法通过参数无关的门控函数区分处理正样本的目标拟合与负样本的局部排斥方向,同时利用冻结预训练参考保留长程行为。实验表明,该技术在组合生成、文本渲染和偏好对齐任务中提升了奖励与质量的权衡效果。

AI 根据报道生成 · 11 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    当锚点偏移目标:用于扩散强化学习的优势门控适应

    论文指出前向过程强化学习在利用移动策略副本作为锚点进行稳定训练时,会因负优势导致凹性更新干扰正反馈教学。作者形式化这一冲突为锚点耦合问题,并提出优势门控适应方法,通过参数无关的门控函数区分处理正样本的目标拟合与负样本的局部排斥方向,同时利用冻结预训练参考保留长程行为。实验表明该方法在组合生成、文本渲染和偏好对齐任务中提升了奖励与质量的权衡效果。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。