ReCAST：扩散模型奖励的时间步信用分配
原文标题：ReCAST: Reward Credit Assignment across Timesteps for Online Diffusion Reinforcement
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。
多奖励扩散模型训练需区分用户偏好与奖励信息量。论文提出ReCAST，首个按奖励、按时间步进行信用分配的方法，通过奖励-时间步权重矩阵在边际约束下依据Rényi可判别性增益分配权重。在SD3.5-Medium上训练，改进或匹配训练奖励，并在所有留出评判器上提升。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ReCAST首次按奖励、按时间步做信用分配，在SD3.5-Medium上改进或匹配训练奖励并提升所有留出评判器。
- •区分用户偏好（各奖励在总目标中的占比）与奖励信息量（去噪过程中何时有用）。
- •用奖励×时间步权重矩阵W：行和匹配用户指定奖励预算λ，列和相等使每个去噪步总权重相同。
- •在边际约束下按各奖励每步的Rényi可判别性增益分配权重，增益可累加为总可判别性。
- •在SD3.5-Medium上测试两种四奖励设定，各含五个奖励预算λ。
为什么重要：多奖励扩散对齐中「何时听哪个奖励」此前靠手工，该方法给出有约束的自动分配方案。
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
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。