研究人员开发了一个名为 Z-Reward 的新框架，用于改进文本到图像生成模型。该系统采用师生方法，其中大型视觉语言模型 (VLM) 作为教师，根据推理推断分数分布。然后训练一个较小的学生 VLM 来模仿这些分布，从而在推理过程中无需显式推理即可实现高效的奖励部署。与现有方法相比，Z-Reward 框架在人类偏好准确性方面表现出显著的改进，并增强了文本到图像的优化。 AI
影响 引入了一种新颖的奖励建模技术，可以提高文本到图像生成模型的质量和可控性。
排序理由 学术论文，详细介绍了生成式 AI 中奖励建模的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →