Awesome RL with Human Feedback / 2024 / arXiv

A Dense Reward View on Aligning Text-to-Image Diffusion with Preference

作者：Shentao Yang, Tianqi Chen, Mingyuan Zhou · 来源：arXiv · 发布日期：2024

奖励建模偏好学习对齐目标设计策略优化策略梯度人类反馈强化学习
新标签打开 AlphaXiv新标签打开 Code
A Dense Reward View on Aligning Text-to-Image Diffusion with Preference figure
AlphaXiv 中文概览（可滚动查看）