BriefGPT - AI 论文速递 · 2025-02-03T00:00:00Z Fine-tuning Discrete Diffusion Models Using Policy Gradient Methods 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本文提出了一种新的政策梯度算法——得分熵策略优化（SEPO），旨在解决离散扩散模型在使用人类反馈的强化学习中的微调难题。该方法在处理非可微分奖励时展现出良好的可扩展性和效率，可能推动相关研究的发展。 🏷️ 标签 diffusion models 人类反馈 强化学习 得分熵策略优化 政策梯度算法 离散扩散模型 阅读原文 生成长图 分享链接 已复制链接
