Jinmei Liu

新的DRIFT框架提高了图像生成的通用性和对齐度

研究人员推出了一种名为DRIFT（Diversity-Incentivized Reinforcement Fine-Tuning，激励多样性的强化微调）的新框架，旨在增强图像生成模型的多功能性。该方法解决了强化学习微调中的“多样性崩溃”问题，即模型倾向于产生重复的输出。DRIFT采用了一些策略，例如采样奖励集中的子集、在提示中使用随机变化以及优化组内多样性，以平衡任务对齐度和生成多样性。实验表明，与现有方法相比，DRIFT在对齐度和…