提出可靠性锚定偏好游走方法

2026年10月15日，arXiv Computer Vision 刊出由 Xinrui Lin 等作者完成的研究，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，提出 Reliability-Anchored Preference Walk（RAPW）。据该报道，这是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。报道称，在匹配评估器、比较协议、组大小、提示调度与查询预算的条件下，RAPW 除每个 rollout 组内已观测到的比较外，不需要额外的评估器查询。该事件目前仅有这一篇报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。