AI Research 技术调研

标签: reward-free

此标签下有1条笔记。

  • 2026年6月25日

    D3PO: Using Human Feedback to Fine-tune Diffusion Models without Any Reward Model

    • diffusion
    • rlhf
    • dpo
    • preference-alignment
    • reward-free
    • mdp
    • text-to-image
    • cvpr2024

  • GitHub