arXiv · ML· Haitao Lin, Minsi Ren, Yang Li, Xingtong Ge, Zheyuan Hu, Peiyan Hu, Tailin Wu·· 23 小时前AI 评分21
FewStepRL: 用强化学习微调少步扩散模型
FewStepRL: Fine-tuning Few-step Diffusion Models with Reinforcement Learning
AI 导读
FewStepRL 提出了一套将强化学习目标系统性地适配至少步扩散模型的三阶段方法（变换、分解、适配）。 该方法统一了密度、速度和奖励目标的梯度形式，在单一模块化代码库中实现了 FlowGRPO、DiffusionNFT 等 5 种算法。 实验表明，当奖励梯度可计算时，基于奖励梯度的方法最有效；增加推理步数无系统性整体收益。
来源：arXiv · ML · arxiv.org