新方法用时间相关控制成本微调流匹配模型

Eliot Beyler 与 Francis Bach 提出 Weighted Adjoint Matching，一种在给定可微奖励下微调预训练扩散或流匹配模型的方法。 该方法在控制成本上引入时间相关权重：生成早期施加高成本，以维持粗粒度特征的平衡与多样性；后期成本较低，让模型细化细节以提升奖励。 据论文，在 Gaussian mixtures 和 MNIST 上，该方法在奖励与模式平衡之间的权衡优于 Adjoint Matching。

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。