arXiv · cs.LG· Romeo Passaro, Jeongjae Lee, Jong Chul Ye, Michael M. Bronstein, Yoshua Bengio, Alexander Tong, Danyal Rehman·· 4 小时前
DFR：面向扩散与流匹配模型奖励微调的分布正则化方法
Distribution-Based Regularization for Reward Fine-Tuning Diffusion and Flow Models
AI 导读
研究者提出 DFR（Distributional Functional Rewards），用依赖分布的逐样本奖励直接约束生成分布，替代仅在速度场上加 ℓ2 惩罚的 reverse-KL 正则。
来源：arXiv · cs.LG · arxiv.org