实体 DiNa-LRM

DiNa-LRM

PulseAugur coverage of DiNa-LRM — every cluster mentioning DiNa-LRM across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

时间线

2026-05-25 research_milestone Publication of a paper introducing DiNa-LRM, a diffusion-native latent reward model. 来源

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_48816 · May 25 · 04:00

扩散模型获得原生潜在奖励建模

研究人员开发了DiNa-LRM，一种新颖的扩散原生潜在奖励模型，旨在改进扩散和流匹配模型的偏好学习。这种新方法直接在有噪声的扩散状态下进行偏好学习，克服了使用视觉语言模型（VLM）提供奖励时出现的域不匹配问题。DiNa-LRM在性能上可与最先进的VLM相媲美，但计算成本显著降低，从而实现更快、更高效的模型对齐。