★ 3
ReCAST：扩散模型奖励的时间步信用分配
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。
arXiv cs.LG48 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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。
论文提出 Wasserstein-Tilted Flow Maps（WTF），用基于预训练漂移的最优传输正则项替代 KL 奖励倾斜，将奖励微调等价为流上的确定性最优控制问题。该框架是首个原生适配流映射的端到端微调方案，无需事后蒸馏即可在少步推理下保持奖励对齐。在 ImageNet-256 与文生图…