跳到正文
热点事件持续更新

RL 后训练在扩散 Transformer 中是激活引导

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

2026-11-20,arXiv 论文提出扩散 Transformer(如 SD3.5-M)的强化学习后训练性能提升主要源于激活空间的恒定偏移。研究通过在冻结基座模型上添加少量固定参数量的引导向量,成功复现了 RL-tuned 检查点在图像和视频生成上的大部分奖励增益,甚至在 OCR 和人类偏好指标上超越了基于权重的 RL 方法。该结论表明 RL 后训练的本质是激活引导,而非必须学习复杂的输入依赖变换。

AI 根据报道生成 · 50 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    扩散 Transformer 的强化学习后训练本质是激活引导

    论文提出扩散 Transformer 经过强化学习(RL)后训练后的性能提升主要归因于激活空间的恒定偏移(Activation Steering),而非必须学习复杂的输入依赖变换。研究通过在冻结基座模型上添加少量固定参数量的引导向量,成功复现了 RL-tuned 模型在图像和视频生成上的大部分奖励增益,甚至在 OCR 和人类偏好指标上超越了基于权重的 RL 方法。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。