清华提出 DiffusionRVGE：用回归值梯度估计加速扩散模型强化学习
原文标题：DiffusionRVGE: Reinforcement Learning via Regression-Based Value Gradient Estimation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
清华大学团队提出 DiffusionRVGE，通过将中心化奖励回归到中心化去噪图像来构造更新方向，无需奖励导数或沿采样轨迹的反向传播。在 SD3.5-Medium 上联合训练五种奖励，八项指标中七项追平或超过 DiffusionNFT，训练算力约为其五分之一。单奖励训练下达到同等奖励阈值快 2.1–6.7 倍。
- 问题
- 扩散模型强化学习因反复去噪与梯度估计而训练昂贵。
- 方法
- 将中心化奖励回归到中心化去噪图像以构造更新方向，无需奖励导数或沿采样轨迹的反向传播。
- 结果
- SD3.5-Medium 上八项指标七项追平或超过 DiffusionNFT，算力约五分之一；单奖励训练达同等阈值快 2.1–6.7 倍。
- 影响
- 大幅降低扩散模型奖励对齐的训练成本，便于工程侧多奖励联合调优。
机构：Tsinghua University
深读 · 结论先行AI 生成展开看要点与影响 ↓
清华DiffusionRVGE用回归值梯度估计替代轨迹反传，五分之一算力下八项指标七项追平或超DiffusionNFT。
- •将中心化奖励回归到中心化去噪图像构造更新方向，无需奖励导数或沿采样轨迹的反向传播。
- •SD3.5-Medium上联合训练五种奖励，八项指标七项追平或超过DiffusionNFT，算力约为其五分之一。
- •具体成绩：GenEval 0.94、OCR 0.92、PickScore 23.82。
- •单奖励训练达到同等奖励阈值比复现的DiffusionNFT快2.1–6.7倍。
为什么重要：大幅降低扩散模型强化学习训练成本，对做图像生成后训练、算力预算有限的团队价值明确。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。