LeNO：学习噪声优化实现少步生成模型奖励对齐

Hongeun Kim、Jeongsol Kim 与 Jong Chul Ye 提出 LeNO 方法，把奖励引导的初始噪声优化转化为学习式残差传输，使少步生成模型在预训练生成器冻结的情况下完成奖励对齐。该方法用 Local GRPO 和标量奖励学习以锚点为条件的噪声修正分布，推理时无需迭代搜索。 针对高斯初始噪声与保范投影，作者推导出修正噪声分布与原始先验之间 KL 散度的可处理上界，并将其作为正则化目标。 作者称，在少步文本生图和蛋白质结构生成任务上，LeNO 仅需单次噪声修正即可提升目标奖励，同时基本保持生成质量与多样性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。