潜在的報酬レジスタ: 拡散モデルの好みの整列
arXiv cs.LG ・ 2026-08-04
原題: Latent Reward Registers for Diffusion Preference Alignment
AI による要約
拡散モデルの好みを整列させるため、潜在報酬レジスタ（Latent Reward Registers）を提案した。学習可能なレジスタトークンを Diffusion Transformer（DiT）の入力系列に追加し、中間ノイズ潜在変数から直接報酬信号を抽出する機構で、密な報酬信号を生成して多段階のデノイジング過程全体で報酬ガイド更新を可能にする。
この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv cs.LG）をご確認ください。