arXiv 机器学习· Woocheol Shin, Taeyoung Yun, Jiwon Sung, Hyeongyu Kang, Jeongmin Park, Jaewoo Lee, Kyuil Sim, Dohyun Kim, Yutong He, Jinkyoo Park·· 9 小时前AI 评分35
少步生成模型的噪声空间奖励对齐方法：Noise Policy Optimization
Noise-Space Reward Alignment for Few-Step Generative Models
AI 导读
研究人员提出面向少步生成模型的奖励对齐方法 Noise Policy Optimization（NPO），通过在冻结生成器的初始噪声空间学习平摊流策略来实现目标分布映射。
来源：arXiv 机器学习 · arxiv.org