用RL直接优化人类偏好,这思路挺干净,比堆分类器优雅多了

ME News
研究人员为图像生成模型开发在线强化学习技术
ME News 消息,4 月 19 日(UTC+8),近日,研究人员为训练后的图像生成模型开发了一种简单且样本高效的在线强化学习技术。该技术被视为一种可能的、可引导的替代方案,用于替代分类器自由引导技术,其驱动信号可以是任何标量奖励,包括人类偏好。原文通过推特链接提供了更多信息。(来源:InFoQ)
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 评论
  • 转发
  • 分享
评论
请输入评论内容
请输入评论内容
暂无评论