跳到主要内容
检索

Shiye Su

1 篇关联报道

订阅更新
  1. arXiv

    文生图奖励模型换个配对轴:同图不同提示,GenEval 上最好-n 与强化学习分别提升 4.0% 和 5.5%

    文生图奖励模型既要判断图像是否符合提示,又要贴合人类审美,而常用模型在组合、空间与计数这类视觉推理上接近随机水平。斯坦福团队把视觉推理数据改造成共享同一张图、只更换提示的偏好对,与常规人类偏好数据混合训练,使视觉理解与偏好预测同时改善。在 GenEval 的组合提示上,该奖励模型用于推理时最好-n 选择与 DiffusionNFT 强化学习后训练时,分别平均提升 4.0% 和 5.5%。

已读完全部报道