★ 3
Spectral Feedback：蛋白质扩散模型测试时对齐新算法
论文提出 Spectral Feedback 算法，通过反馈循环选择编辑位置，让离散扩散模型迭代修正自身生成结果，将「重访哪些 token」视为对齐的核心问题。作者发现蛋白质逆折叠的编辑集价值函数具有稀疏傅里叶表示，从而可高效学习与优化。该方法模型无关，在蛋白质稳定性奖励下使预训练模型稳定蛋白提升…
arXiv cs.AI35 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 Spectral Feedback 算法，通过反馈循环选择编辑位置，让离散扩散模型迭代修正自身生成结果，将「重访哪些 token」视为对齐的核心问题。作者发现蛋白质逆折叠的编辑集价值函数具有稀疏傅里叶表示，从而可高效学习与优化。该方法模型无关，在蛋白质稳定性奖励下使预训练模型稳定蛋白提升…
论文将文生图生成建模为「满足式」问题：每张图需满足奖励下限，整批图需满足多样性阈值，二者权衡构成帕累托前沿。为此提出免训练的推理时方法 SatisDive，用批内相对奖励阈值区分高低奖励候选，对低奖励者强调提升、对高奖励者强调多样性。在 Pick-a-Pic 上，其满意度-多样性曲线在各设置下均帕…