D-DOIT免训练适配黑盒奖励扩散模型

D-DOIT论文作者提出一种免训练奖励适配方法：在冻结掩码离散扩散模型参数的前提下，以Doob h-变换重加权每一步反向转移，使生成过程偏向黑盒生物奖励更高的结果。奖励只需可查询、无需可微；论文报告其在HepG2增强子预测中的活性指标达6.19，高于DRAKES的5.61，蛋白质逆折叠的稳定性与结构联合成功率为68.1%。 该方法通过一次前向补全估算候选的未来价值，并在有限候选间按价值加权选择。论文称其终点分布可对应奖励倾斜分布，但同时指出仍存在近似偏差、高质量配置的推理成本，以及尚缺湿实验验证等局限。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。