LeNO：学习噪声优化实现少步生成奖励对齐

Hongeun Kim、Jeongsol Kim 与 Jong Chul Ye 提出 LeNO 方法，把奖励引导的初始噪声优化从推理时的迭代搜索改为学习式残差传输：冻结预训练生成器，用 Local GRPO 和标量奖励学习以锚点为条件的噪声修正分布，推理时单次噪声修正即可完成。 作者称，该方法在少步文本生图和蛋白质结构生成上均提升了目标奖励，同时基本保持生成质量与多样性。针对高斯初始噪声与保范投影，作者还推导出修正噪声分布与原始先验之间 KL 散度的可处理上界，用作正则化目标。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。