scalar-drift

标签

#scalar-drift

RewardVerse：评分标准指导的策略优化用于视频奖励建模

Hugging Face Daily Papers ↗ · 6天前缓存

RewardVerse 提出了一种基于评分标准的视频奖励建模框架，以缓解标量漂移并提供稳定的评估标准，从而增强视频生成中的强化学习。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈