LeNO:学习噪声优化对齐少步生成
事件历史事件
LeNO:学习噪声优化对齐少步生成
1 篇报道1 个报道来源12 天前更新
先了解这件事
AI 综述
Hongeun Kim 等提出 LeNO 噪声优化方法,将奖励引导的初始噪声优化摊销为可学习的残差传输,使少步生成模型无需在推理时迭代搜索。该方法用 Local GRPO 和标量奖励学习噪声修正分布,同时冻结预训练生成器,并为高斯初始噪声的保范投影推导出修正分布相对原始先验的 KL 可处理上界。 在少步文本到图像和蛋白质结构生成中,作者报告单次噪声校正即可提升目标奖励,并基本保持生成质量与多样性。
AI 根据报道生成 · 10 天前更新
最新进展11月4日 18:06
LeNO:面向少步生成模型奖励对齐的学习噪声优化报道时间线
沿着报道,了解事件的不同侧面。
11月4日
- arXivLeNO:面向少步生成模型奖励对齐的学习噪声优化
LeNO 将奖励引导的初始噪声优化摊销为学习的残差传输,并用 Local GRPO 与标量奖励学习噪声修正分布,同时冻结预训练生成器。该方法消除推理时的迭代搜索,并为高斯初始噪声的保范投影推导出修正噪声分布相对原始先验的 KL 可处理上界。在少步文本到图像和蛋白质结构生成中,LeNO 单次噪声校正即提升目标奖励,并基本保持生成质量与多样性。