EBM 视角:best-of-N 与 RL 微调同属一个 KL 正则目标
daibond_alpha · x · 2026-11-20
线程第 4/5 帖:同一视角也覆盖推理时计算——best-of-N、verifier、RL 微调都指向同一个 KL 正则化的 EBM,区别只是成本付在训练时还是推理时。附 amortization 与 best-of-N 采样微调两种流程的示意图,展示梯度如何通过 π 的 EBM 形式回传。
所属事件:EBM 视角统一 GAN、扩散与 RL 微调等主流方法(2 条相关)→
「研究」频道最新
- 教授精心设计「AI 防不住」考题,模型照样考到 82 分 — alex_verem · 2026-11-20
- 北师大研究:人际关系史好的人更易与 AI 建立情感联结 — repligate · 2026-11-20
- 13 个模型答题对决:10 个超过政策制定者,最高 98 分 — ChenhaoTan · 2026-11-20
- Contralabs 发布前沿设计基准:用设计原则评分关联专家偏好 — floguo · 2026-11-20
- 能量模型即插即用组合:AND/OR/NOT 一行公式搞定 — daibond_alpha · 2026-11-20
- EBM 统一视角大表:GAN、扩散、BERT、RL 全归类 — daibond_alpha · 2026-11-20