每天听简报，了解最新科技、AI、软件资讯
通过将对比评判锚定到随机基准样本并施加局部像素约束，强化学习让图像生成模型的文字错误直接减少了四分之一。 Krea 团队在训练新一代图像模型时发现，图像很难像写代码那样自动验证对错，多模态裁判给绝对分数时顺序极易混乱。对此，他们引入了一套智能体奖励框架，将多张样本只与一个基准样本做成对比较，大幅提升了评判稳定性。 针对局部微调，算法会预测修改区域并强制约束框外像素不发生任何改变。这套方案不仅解决了扩散模型换随机种子容易犯同类错误的缺陷，还把瑕疵编辑率降低了百分之十七。
进度保存在本设备 · 登录同步