arXiv Artificial Intelligence· Zhiyuan Ma, Jiabao Wei, Tianyu Wang, Hanqing Wang, Jiadong Pan, Haowen Xu, Liangliang Zhao, Ruixun Liu, Yuhan Wang, Yuwei Zhang, Liang Feng, Junhao Xiao, Kaiyan Zhang, Xuekai Zhu, Daizong Liu, Biqing Qi, Yihao Liu, Ganqu Cui, Ning Ding, Linfeng Zhang, Jianjun Li, Kun He, Xiang Bai, Bowen Zhou·· 2 小时前AI 评分27
强化学习驱动的扩散模型：语言、视觉及更多领域综述
Reinforcement Learning-driven Diffusion Models: Language, Vision, and Beyond
AI 导读
该综述首次系统梳理强化学习驱动的扩散模型（RL-driven DMs），提出涵盖语言、多模态、机器人与科学模型的技术全景，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方法，揭示奖励设计脆弱、高维生成空间探索-利用权衡、稀疏奖励下训练不稳定三大部署瓶颈，并给出RL与扩散模型融合的路线图。论文已被TPAMI接收，并构建公开仓库持续追踪该领域进展。
来源：arXiv Artificial Intelligence · arxiv.org