arXiv Computer Vision· Xinrui Lin, Fan Li, Shumin Wang, Dehong Kong, Yanyong Zhang·· 4 小时前AI 评分22
视频 GRPO 中的循环偏好问题：Reliability-Anchored Preference Walk 优势聚合方法
When Pairwise Preferences Cycle: A Reliability-Anchored Preference Walk for Video GRPO
AI 导读
针对视频生成模型 GRPO 中成对偏好反馈存在的循环偏好问题，研究者提出 Reliability-Anchored Preference Walk（RAPW），一种图感知的优势聚合方法，通过可靠性引导的偏好游走，用循环偏好图中的可靠关系证据增强胜率信号。
来源：arXiv Computer Vision · arxiv.org