新方法用回归值梯度估计训练扩散模型

Jiayuan Wang 与 Tongyao Pang 提出扩散模型强化学习方法 DiffusionRVGE：将中心化奖励回归到中心化最终去噪图像上，以此构建更新方向。作者称该方法无需奖励导数，也无需沿采样轨迹做伴随反向传播。 该工作以预印本形式发布在 arXiv cs.AI，尚未见同行评审或独立复现结果。

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。