扩散Transformer中的强化学习后训练即激活引导

媒体报道 Hugging Face Papers 原文语言:中文

研究发现,向冻结的扩散Transformer中添加一组固定的引导向量,即可恢复强化学习后训练的大部分质量增益。这表明性能的提升主要来自于恒定的偏移,而不是针对提示词的特定变换。

全文

向冻结的扩散Transformer添加一组固定的引导向量即可恢复强化学习后训练带来的大部分质量提升,这表明改进主要来源于一个恒定的偏移,而非针对特定提示的变换。

正文为 AI 译文。

参考来源

← 返回每日AI报告