MARTINI 算法：混合代理奖励引导生成模型，无需重训

InstaDeep 等机构团队发布在审论文《Steered Not Stirred》，提出 MARTINI（Mixing And Reward Tilting for INference-time Improvement）算法。该方法通过混合多个廉价的代理奖励，在推理时将预训练生成模型（如扩散模型）引导向一个无法直接评估真值的「黄金」奖励分布，全程无需查询真值奖励，也无需重新训练模型。

2026-10-21 ~ 2026-10-21 · 3 条相关

• MARTINI：混合廉价代理奖励，无需重训即可引导扩散模型 — KristaSinkovics · 2026-10-21
• InstaDeep 团队发布 MARTINI:代理奖励混合实现推理时定向生成 — KristaSinkovics · 2026-10-21
• MARTINI 算法：用多个廉价代理奖励混合，无需查询真值即可引导生成模型 — mmbronstein · 2026-10-21