AI Research 技术调研

标签: vlm-feedback

此标签下有1条笔记。

  • 2026年6月25日

    DDPO: Training Diffusion Models with Reinforcement Learning

    • diffusion
    • rl
    • rlhf
    • rlaif
    • policy-gradient
    • ppo
    • mdp
    • text-to-image
    • reward-optimization
    • vlm-feedback

  • GitHub