研究人员推出了一种名为 AdaGRPO 的新型强化学习算法，旨在提高文本到图像模型与人类偏好的对齐程度。该方法通过动态选择与模型当前学习能力相匹配的提示，并整合细粒度和全局优势估计以实现更准确的策略评估，从而解决了现有 GRPO 技术中的局限性。AdaGRPO 被呈现为一个灵活的即插即用模块，可以增强现有的 GRPO 框架，实验表明它可以稳定训练并提高性能。 AI
影响 增强了文本到图像模型与人类偏好的对齐能力，有望生成更符合期望的 AI 生成图像。
排序理由 该集群包含一篇详细介绍用于改进现有 AI 模型的新型算法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →