RL引导扩散模型发现新材料
bravo_abad · x · 2026-07-07
详细技术帖讨论"reward-guided diffusion"：用强化学习作为后训练手段，引导扩散模型跳出训练分布、采样到低概率尾部的新结构。作者Hyunsoo Park和Aron Walsh将其重构为后训练问题，指出最大似然拟合的扩散模型倾向复现熟悉结构，而材料发现中有价值的新化合物恰在欠探索的低概率区域，因此需RL主动引导生成稳定新颖的晶体。
「研究」频道最新
- Meta FAIR 提出 Self-Direction:把 agent 失败变成 LoRA 技能,成功率提 13.8pp — karen_ullrich · 2026-10-27
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- 研究者吐槽:论文里 PSNR 低于 15dB 基本是用错了指标 — kwangmoo_yi · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27
- Scaling 拟合之争:Uncheatable 计入输出头 FLOPs,Paloma 剔除,最小档差距高达 65% — dlwh · 2026-10-27