综述RL驱动扩散模型并实证分析

Zhiyuan Ma等作者发表了一篇被TPAMI接收的综述，称其首次系统梳理强化学习驱动的扩散模型（RL-driven DMs），覆盖语言、多模态、机器人和科学模型，聚焦扩散轨迹优化与奖励工程。 研究通过多任务基准实验评估代表性RL后训练策略，指出三大部署瓶颈：奖励设计脆弱、高维生成空间中的探索-利用权衡、稀疏奖励下训练不稳定。团队还构建公开仓库持续追踪该领域进展。

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。