标签
DiffusionRVGE 提出一种基于回归的价值梯度估计方法，通过对中心化奖励与中心化去噪图像进行回归来构建扩散模型的 RL 更新方向，无需奖励导数或穿过采样轨迹的反向传播，在匹配 DiffusionNFT 效果的同时显著降低训练计算成本。