实体
FlowDPO
FlowDPO
PulseAugur coverage of FlowDPO — every cluster mentioning FlowDPO across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
FlowCPO 提出统一的散度视角用于流模型的偏好对齐
研究人员提出了 FlowCPO，一种使用离线前向 KL 目标来对齐流模型和扩散模型的新方法。该方法通过利用偏好样本和非偏好样本，并无需重新进行模型采样，从而统一了现有的在线强化学习和离线偏好优化技术。FlowCPO 提供了一种基于对比流匹配的可行替代损失函数，该函数是有界的且非负的，与一些现有方法可能无下界不同。在评估中，与 FlowDPO 等基线方法相比，FlowCPO 在域内 GenEval 和 OCR 任务上表现出更好的性能。
-
新的ThermoDPO方法解决了生成模型对齐中的流形漂移问题
研究人员发现“流形漂移”是将其偏好优化方法扩展到生成模型的连续时间动力学中的一个关键问题。当流匹配中的奖励驱动更新将终端样本移出预训练数据流形时，就会发生这种现象。为了解决这个问题，提出了一种名为ThermoDPO的新方法，该方法使用温度控制将成对偏好优化锚定在首选样本上。加权变体ThermoDPO-weighted进一步提高了性能，在基准测试中达到了0.899的StrictScore，并在SD3.5-M模型上的OCR和其他指标上取得…
-
新的无监督框架APO预测3D原子结构
研究人员开发了APO（原子策略优化），一种用于预测原子系统3D结构的新型无监督框架。该方法通过采用具有双重奖励机制的组相对策略优化，消除了对昂贵实验标签的需求，该机制可增强潜在结构模式并强制执行热力学稳定性。APO在晶体和抗体结构预测方面已证明优于监督基线，在匹配率和结构保真度方面设定了新的最先进水平。