热点事件持续更新

研究者提出DFR优化扩散模型微调多样性

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

针对奖励微调扩散与流模型易引发模式崩溃和分布漂移的问题，研究者提出分布功能奖励（DFR）方法。 DFR通过凸泛函将基于期望奖励的 KL 正则化目标推广为分布依赖的逐样本奖励，直接对生成分布施加约束。实验表明，DFR 在匹配 KL 基线峰值奖励的同时，多样性最高提升 29%。

AI 根据报道生成 · 1 小时前更新

最新进展10月20日 12:00

沿着报道，了解事件的不同侧面。

10月20日

12:00
arXiv · ML
DFR 分布基于正则化奖励用于扩散模型与流模型微调
针对奖励微调扩散与流模型易引发模式崩溃和分布漂移的问题，研究提出分布功能奖励（DFR）方法。 DFR 通过凸泛函将基于期望奖励的 KL 正则化目标推广为分布依赖的逐样本奖励，直接对生成分布施加约束。实验表明 DFR 在匹配 KL 基线峰值奖励的同时，多样性最高提升 29%。

还没有足够的连续观测数据，暂不绘制趋势。