实体
Pave-GRPO
Pave-GRPO
PulseAugur coverage of Pave-GRPO — every cluster mentioning Pave-GRPO across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
MeanFlowNFT 将前向过程强化学习应用于平均速度生成器
研究人员推出了一种名为 MeanFlowNFT 的新颖框架，该框架将强化学习（RL）技术应用于 MeanFlow 生成器，以实现更快、更高效的内容生成。该方法弥合了瞬时速度和平均速度预测之间的差距，使 MeanFlow 生成器能够在无需复杂逆向过程计算的情况下，与人类偏好和特定任务目标保持一致。实验表明，MeanFlowNFT 显著提高了基线性能，甚至可以在使用更少的采样步骤的情况下超越多步 RL 调优的扩散模型，在图像和视频生成应用…
-
Pave-GRPO 通过速度分解增强生成模型对齐
研究人员推出 Pave-GRPO，一种改进流式生成模型与人类偏好对齐的新方法。该技术通过将粗粒度过渡分解为更精细的子轨迹来重新构建 GRPO 目标，使奖励反馈能够触及更多中间去噪步骤。这种方法在不增加生成成本的情况下增强了对齐的粒度，从而在各种奖励设置下实现更全面的偏好优化和性能提升。