arXiv · cs.AI· Yuanhao Ban, I-Hung Hsu, Anastasios Angelopoulos, Wei-Lin Chiang, Ion Stoica, Cho-Jui Hsieh·· 4 小时前
组合偏好奖励与评分规则奖励，对前沿文生图模型做后训练
Post-Training Frontier Text-to-Image Models by Composing Preference and Rubric Rewards
AI 导读
研究者提出一种组合偏好奖励与评分规则奖励的文生图后训练方案，偏好奖励用 Bradley-Terry 目标在大规模人类偏好数据上训练，评分规则奖励则评估提示词忠实度并防止奖励攻击。
来源：arXiv · cs.AI · arxiv.org