arXiv 人工智能· Zhaolong Su, Yujin Han, Feng Wang, Jameson Dong, Hins Hu, Difan Zou·· 18 小时前AI 评分36
CoRe：通过协同演化奖励模型缓解视频扩散模型的潜在奖励作弊
CoRe: Co-Evolving Reward Models for Mitigating Latent Reward Hacking in Video Diffusion Models
AI 导读
研究人员提出协同演化奖励框架 CoRe，通过让奖励模型与生成器动态交互，缓解视频扩散模型在潜在空间对齐时的奖励作弊问题。CoRe 持续在生成器当前样本上重新拟合奖励模型并锚定真实视频偏好，防止生成器因分布逃逸导致感知与运动质量恶化。在 Wan2.1-T2V-1.3B 上的实验表明，该方法生成质量优于预训练模型及先前对齐方法。
来源：arXiv 人工智能 · arxiv.org