arXiv · AI· Haocheng Tang, Tianchi Xie, Xingqiao Lin·· 4 天前AI 评分36
MeanFlowAdvantage:面向少步平均速度生成器的稳定奖励微调
MeanFlowAdvantage: Stable Reward Fine-Tuning for Few-Step Average-Velocity Generators
AI 导读
提出 MeanFlowAdvantage,一种用于平均速度生成器的符号优势加权最小二乘目标,解决了奖励微调中的表示不匹配问题。 在 SD3.5-Medium 上,该目标在4次 NFE 下,于8项指标中6项达到或超过 40 步 DiffusionNFT 基线;还成功应用于 DNA 启动子设计。
来源:arXiv · AI · arxiv.org