免训练推理方法SatisDive提出
热点事件观察中
免训练推理方法SatisDive提出
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Kevin Zhai等作者提出免训练推理时方法 SatisDive，通过批次相对奖励阈值区分高低奖励候选，在满足奖励下限的同时保证批次多样性。 据该论文，在 Pick-a-Pic 上以 FLUX.1-dev 为基座模型、HPSv3 为奖励时，最差候选奖励较 FK steering 提升最高 0.43；以 SANA-1.6B 为基座、ImageReward 为奖励时提升最高 0.70。
AI 根据报道生成 · 14 小时前更新
最新进展10月5日 12:00
SatisDive：在文本到图像扩散中穿越满意度-多样性前沿报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv cs.AISatisDive：在文本到图像扩散中穿越满意度-多样性前沿
SatisDive 是一种免训练的推理时方法，通过批次相对奖励阈值区分高低奖励候选，在满足奖励下限的同时保证批次多样性。在 Pick-a-Pic 上，以 FLUX.1-dev 为基座模型、HPSv3 为奖励时，最差候选奖励较 FK steering 提升最高 0.43；以 SANA-1.6B 为基座、ImageReward 为奖励时提升最高 0.70。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。