新加坡国立大学提出RPO算法优化扩散模型

发生了什么

据arXiv及Hugging Face Papers报道，新加坡国立大学研究人员提出路由策略优化（RPO）算法，旨在通过在扩散生成器内部引入随机注意力路由，实现模型与奖励信号的对齐。该方法通过受控的双重展开估计器提供优势信号，并在推理阶段恢复原始确定性采样器。实验结果显示，RPO在文本生成图像和视频任务中提升了生成质量，且训练效率较Flow-GRPO类方法提升近4倍。