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)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →