reward-alignment

ReNFT 是一种方法，通过内部重新校准概率质量，修复扩散生成器奖励后训练中的模式崩溃，在保持高奖励分数的同时提高多样性。

GRAS是一种用于离散扩散模型奖励对齐的无训练方法，通过降低引导提议中的方差并自适应选择粒子，在DNA和蛋白质设计任务中实现了最先进的结果。