PGPG：基于进度引导的无监督偏好生成框架

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，全程无需人工标注。 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，且该方法适用于扩散模型与流匹配策略，为偏好对齐提供了新的技术路径。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。