热点事件持续更新
研究提出无梯度初始噪声优化方法ZeNOVA
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员提出了一种名为 ZeNOVA 的无梯度初始噪声对齐方法，旨在黑盒奖励场景下实现高效且稳定的生成模型对齐。该方法充分利用高斯先验的几何特性，结合了退火软值引导、流形约束超球面朗之万动力学以及 Metropolis-Hastings 跳跃机制。图像与视频生成模型上的实验结果显示，ZeNOVA 在引导初始噪声获取高奖励方面的表现超越了所有参评的零阶基准方法。
AI 根据报道生成 · 8 小时前更新
最新进展10月2日 12:00
研究者提出无梯度初始噪声对齐方法ZeNOVA，在图像与视频生成模型黑盒对齐测试中超越零阶基准。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 机器学习基于流形约束初始噪声优化的高效生成模型对齐
研究者提出无梯度初始噪声对齐方法 ZeNOVA，用于在黑盒奖励场景下实现高效且稳定的生成模型对齐。该方法结合退火软值引导、流形约束超球面朗之万动力学以及 Metropolis-Hastings 跳跃机制，充分利用高斯先验的几何特性。图像与视频生成模型上的实验表明，ZeNOVA 引导初始噪声获取高奖励的表现超越了所有评测的零阶基准。
本事件热度走势
当前热度 8·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。