Kwanyoung Kim 提交 VaLoP 奖励引导扩散论文

1. 23:29
   arXiv · cs.AI

   VaLoP：面向奖励引导扩散模型的价值梯度前瞻与回拉方法

   论文提出 VaLoP，一种用于奖励引导扩散模型的价值梯度估计方法：将价值评估前移一个采样步以降低高噪声下的不确定性，并通过一次 vector-Jacobian product 计算生成器修正项。其轻量版 VaLoP-Fast 用小 head 摊销该修正，单一奖励训练即可复用于其他奖励，成本接近 learned-value guidance。二者在多种模型、奖励和 benchmark 上优于现有价值梯度引导，VaLoP-Fast 在 LIBERO 和 RoboCasa 机器人策略评测中取得最高成功率。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。