LEARNING
通过摊销基于样本的变分推断来对齐少步生成模型
Jaewoo Lee, Hyeongyu Kang, Dohyun Kim, Kyuil Sim, Woocheol Shin, Minsu Kim, Taeyoung Yun, Jeongjae Lee, Sanghyeok Choi, Tabitha Edith Lee, Jongchul Ye, Jinkyoo Park
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
本文提出FAV框架，通过将对齐问题转化为从奖励倾斜分布中采样，并利用Stein变分梯度下降进行样本推理，再通过不动点回归将粒子更新摊销到生成器参数中，从而实现对少步生成模型的一般性对齐。在机器人操作策略对齐和图像生成器对齐任务上，FAV均优于现有基线方法。
关键词
few-step generative modelalignmentvariational inferenceStein Variational Gradient Descentrobotics manipulationimage generation
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018