DFR框架平衡奖励与生成多样性

DFR论文作者提出 distributional functional rewards（DFR）框架，用于扩散与流模型的奖励微调，以缓解追求高奖励时样本多样性下降、生成分布偏离预训练分布的问题。 该框架的核心思路是在奖励优化与保留预训练生成分布特性之间取得平衡，目标是兼顾高奖励输出与生成多样性。

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。