研究人员开发了一个名为“面向目标的轨迹信用分配”（OTCA）的新框架，以使用强化学习改进视觉生成模型的训练。当前的方法通常在整个生成过程中广泛分配奖励，当涉及图像质量和文本对齐等多个目标时，会导致次优结果。OTCA通过将奖励分解到不同的去噪步骤，并根据特定目标自适应地分配它们来解决这个问题，从而产生更结构化和有效的训练信号。实验表明，OTCA显著提高了图像和视频的生成质量。 AI
影响 改进了视觉生成模型的训练信号，可能提高了图像和视频的质量。
排序理由 这是一篇详细介绍用于优化视觉生成模型的新框架的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Reinforcement learning, particularly Group Relative Policy Optimization (GRPO), has emerged as an effective framework for post-training visual generative models with human preference signals. However, its effectiveness is fundamentally limited by coarse reward credit assignment. …
arXiv:2604.19234v2 Announce Type: replace Abstract: Reinforcement learning, particularly Group Relative Policy Optimization (GRPO), has emerged as an effective framework for post-training visual generative models with human preference signals. However, its effectiveness is fundam…