★ 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 1 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。