研究者提出一步生成器对齐框架DIDR
热点事件持续更新
研究者提出一步生成器对齐框架DIDR
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Junyi Wu等作者提出DIDR（Diff-Instruct with Diffused Reward），一个从积分KL最小化推导的无数据轨迹级对齐框架，用于一步生成器的强化学习对齐。其做法是把RLHF最优的奖励倾斜干净图像分布沿扩散轨迹传播到所有噪声层级。 据作者报告，DIDR在单步SDXL基线上实现帕累托占优；迁移到6B DiT骨干（Z-Image）后，仅需单步生成即在该模型的偏好对齐表现上超过其50步教师模型。
AI 根据报道生成 · 50 分钟前更新
最新进展11月11日 13:00
DIDR：基于扩散奖励的单步生成器强化学习对齐框架报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AIDIDR：基于扩散奖励的单步生成器强化学习对齐框架
研究者提出 Diff-Instruct with Diffused Reward（DIDR），一个从积分 KL 最小化推导的无数据轨迹级对齐框架，将 RLHF 最优的奖励倾斜干净图像分布沿扩散轨迹传播到所有噪声层级。DIDR 在单步 SDXL 基线上实现帕累托占优，迁移到 6B DiT 骨干（Z-Image）后仅需单步生成即超越其 50 步教师模型的偏好对齐表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。