arXiv · ML· Tung M. Luu, Tri Ton, Duc M. Nguyen, Xuan Thanh Nguyen, Nguyen Gia Binh, Quang Tan Nguyen, Vu Duong, Daniel Sonntag, Duy M. H. Nguyen, Vien Anh Ngo, Chang D. Yoo·· 7 小时前AI 评分23
PGPG：基于进度引导的无监督偏好生成框架
Progress-Guided Preference Generation for Aligning Generative Control Policies
AI 导读
研究团队提出无监督偏好对齐框架 PGPG，用于对齐生成式控制策略。 该方法利用有序覆盖对齐测量进度，自动从自主采样的轨迹中提取伪偏好标签，无需人工标注。 实验显示 PGPG 在长程操作任务中性能优于标准监督微调基线，且适用于扩散模型与流匹配策略。
来源：arXiv · ML · arxiv.org