VaLoP：修正奖励引导扩散的价值梯度误差

研究者 Kwanyoung Kim 提交论文，提出 VaLoP（Value Gradient Lookahead and Pullback）方法，用于修正奖励引导扩散采样中高噪声阶段的价值梯度误差。其做法是在前一步噪声更小的状态上评估价值函数，再把梯度回拉到当前状态。 论文同时提出 VaLoP-Fast：用一个小的预测头分摊这一修正的计算，在文本到图像模型中，该预测头只用单一奖励训练，便可复用于其他奖励。论文称 VaLoP 只需一次向量-雅可比积即可完成该修正。

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。