研究者提出MARTINI代理奖励混合方法

Alec Sargood 等作者提出 MARTINI 方法，通过组合多个廉价代理奖励，把预训练连续时间生成模型引导到由不可观测的 oracle 奖励 R* 倾斜的分布。作者称，该方法学习一个代理组合，可与标准推理时引导方法即插即用，推理时无需查询 oracle。 目前公开信息只涉及方法设计与使用条件，未给出实验效果或适用范围的验证结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。