研究人员发现,强化学习(RL)的后训练显著增强了扩散Transformer模型,提高了视觉质量、文本渲染和组合准确性。令人惊讶的是,这些改进的很大一部分可以归因于简单的、与输入无关的转向向量,与传统的RL调优LoRA方法相比,它们需要的参数要少得多。这些向量在通过在线RL训练时,单独就能实现RL调优的图像和视频模型中看到的奖励增益的很大一部分,这表明大部分改进来自于引导模型发挥其现有能力,而不是学习全新的与输入相关的转换。 AI
影响 这项研究提出了更有效的方法来改进扩散模型的能力,有可能降低微调的计算成本。
排序理由 该条目是一篇研究论文,详细介绍了关于扩散Transformer模型训练的新发现。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Diffusion Transformers
- Hugging Face
- LoRA+
- optical character recognition
- PickScore
- reinforcement learning
- SD3.5-M
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →