清华、NVIDIA、斯坦福提出DiffusionNFT：基于前向过程的扩散强化学习新范式，训练效率提升25倍
清华大学、NVIDIA 与斯坦福团队联合提出 DiffusionNFT，首次将强化学习应用于扩散模型的前向加噪过程，突破传统方法在似然估计、采样器依赖和前向一致性上的局限。该方法通过负例感知微调实现高效优化，在GenEval任务中仅用1k步即大幅提升生成质量，训练效率比FlowGRPO高3～25倍，并在多奖励联合优化下超越更大规模模型，为生成模型对齐提供统一且可扩展的新范式。来源：https://mp.weixin.qq.com/s/1R0D7WN6-t6HBtQ4hpFjwA
页:
[1]