arXiv 机器学习· Pawan Prakash, Philipp H\"ollmer, Addis Fuhr, Peter Hirschfeld, P. Ganesh, Stefano Martiniani, Richard Hennig·· 9 小时前AI 评分37
晶体生成器离散成分通道的强化学习：收益验证与奖励作弊
Reinforcement Learning on the Discrete Composition Channel of a Crystal Generator: Validated Gains and Reward Hacking
AI 导读
研究人员通过 GRPO 强化学习对齐晶体生成模型的离散成分通道，将亚稳态独特新颖结构（mSUN）产率从预训练模型的 13.4% 提升至 45.5%。该方法直接将策略梯度作用于离散 flow 的原子类型转移似然，并同样改善了潜扩散模型的生成表现。研究同时指出直接强化易引发奖励作弊，并揭示了现有基准中单元素结构虚增 mSUN 的缺陷。
来源：arXiv 机器学习 · arxiv.org