VideoAWR：解耦采样与优化锚点修正视频流模型

Zheming Fu 等作者提出 VideoAWR，一种用于视频流模型的强化学习方法。该方法把采样与优化锚点解耦：由 EMA 参考策略生成带引导的 rollout 以恢复奖励可分性，可训练策略则对齐无引导条件锚点，作者称该目标在期望上能精确抵消引导偏移。 据作者介绍，这一设计针对视频流模型在无 CFG 回归式强化学习中的冷启动问题。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。