腾讯自适应奖励路由:前向过程 RL 动态优化音视频联合扩散的多奖励冲突
tencent · hf · 2026-10-02
腾讯论文针对多奖励引导 RL 训练音视频联合扩散模型的两个痛点——奖励驱动的更新应作用在哪里、竞争奖励应如何组合——提出 Adaptive Reward Routing,在 DiffusionNFT 前向过程 RL 中动态适配更新位置与奖励协调。
两个组件:
- 跨模态影响力引导路由:用双向交叉注意力响应作为跨模态影响力的动态代理,重加权 token 级损失并缩放跨模态层梯度,无需额外模型干预;
- 保偏好模态感知重加权:保留预设权重作偏好先验,热身后用分支级奖励梯度交互作残差修正,避免强奖励压制弱但必要的目标。
实验显示在模态质量、语义一致性与音视频同步上持续优于强 RL 基线,消融与机制分析验证两个组件互补。
所属事件:腾讯提出自适应奖励路由优化音视频联合扩散(2 条相关)→
「多模态」频道最新
- Gemini 4 Neon(xhigh)实测:一张提示词画出 Ana de Armas 风格 SVG — lyraxana · 2026-11-19
- Scobleizer 对话 AI 虚拟偶像 NOVA,或为首个人类×AI 明星访谈 — Scobleizer · 2026-11-19
- Electric Sheep 系列新作 Infinidream 0.17.2 发布,支持 1080p — scott_draves · 2026-11-19
- 一张图塞 5 个 LoRA 角色:四方案实测,最好也只有 3/5 正确 — PoleRacers · 2026-11-19
- AI 生成「机器人神父」低垂双手祈祷,教堂场景以假乱真 — MrWoohoo · 2026-11-19
- AI 复刻 80 年代手绘动画风格短片《守门人》第一集 — oultimobuilder · 2026-11-19