研究揭示RL微调下扩散模型高斯先验失效机制

2026年10月22日，arXiv发布关于潜在扩散模型在强化学习微调下潜在几何结构的研究。研究表明，潜在扩散模型普遍采用的高斯先验在强化学习微调下存在结构性缺陷，多模态数据会导致模式重叠并被强化学习进一步放大。在丙氨酸二肽玻尔兹曼分布测试中，高斯先验VAE的崩溃边界为beta_c = 0.224，而模式跟踪高斯混合先验为0.00316，两者差距达71倍。研究指出，当潜在几何发生重叠且任务对覆盖率敏感时，采用非高斯先验是必要的补救方案。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。