Hugging Face Daily Papers· Shreshth Saini·· 13 天前AI 评分31
MEND：通过近端速度匹配为流模型做强化学习
MEND: RL For Flow Models via Proximal Velocity Matching
AI 导读
MEND 是一种基于近端速度匹配的流模型强化学习方法，在每个提示词组内对奖励设上限，已得高分的样本不再移动。上限之下，它沿奖励梯度提出移动，仅当上限奖励增益超过二次位移代价时才接受。
来源：Hugging Face Daily Papers · huggingface.co