D-DOIT：离散扩散模型免训练适配方法

Jieke Wu、Qijie Zhu、Weimin Wu、Zeqi Ye、Minshuo Chen、Han Liu 提出 D-DOIT，一种面向离散扩散模型的免训练适配方法，通过 Doob's h-transform 对反向核重加权，仅用奖励值而非奖励梯度引导采样。 该方法在每步采样候选状态，用模型预测头补全序列并由奖励评估后重采样；可选的后期 best-of-K 精修只在去噪末端分支进行，以降低开销。作者称其适用于通用奖励。 上述内容来自 arXiv cs.LG 论文，尚未见独立验证或应用结果。

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。