Hugging Face Daily Papers·· 7 天前AI 评分38
组合偏好奖励与评分奖励，后训练前沿文生图模型
Post-Training Frontier Text-to-Image Models by Composing Preference and Rubric Rewards
AI 导读
研究者提出一种组合互补奖励信号的后训练方法，用于开放域文生图：偏好奖励基于大规模人类偏好数据以 Bradley-Terry 目标训练，评分奖励评估提示词忠实度并防止奖励攻击。
来源：Hugging Face Daily Papers · huggingface.co