★ 3
清华提出 DiffusionRVGE：用回归值梯度估计加速扩散模型强化学习
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…
arXiv cs.AI13 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…