实体 V-GRPO

V-GRPO

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

总计 · 30天

0

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

0

90 天内 1

层级分布 · 90 天

主题

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_06524 · Apr 28 · 04:00

V-GRPO方法通过更快、更稳定的强化学习增强去噪生成模型

研究人员推出了一种新颖的在线强化学习方法V-GRPO，旨在使去噪生成模型与期望结果对齐。该方法通过有效利用证据下界（ELBO）代理，克服了先前的局限性，其性能优于优化采样轨迹的方法。V-GRPO将ELBO代理与GRPO算法相结合，并采用技术来减少方差和控制梯度步长，从而提高了文本到图像合成的稳定性和性能。