Local GRPO

新的LeNO方法优化生成模型的奖励对齐

研究人员开发了LeNO（学习噪声优化），一种用于改进少样本生成模型奖励对齐的新颖方法。该方法将奖励引导的噪声优化分摊到学习到的残差传输中，消除了推理过程中昂贵的每样本搜索的需要。LeNO使用局部GRPO和标量奖励学习噪声校正的锚点条件分布，该方法已在文本到图像和蛋白质结构生成任务上进行了评估。该方法通过一次噪声校正来增强目标奖励，同时保持生成质量和多样性。