D-DOIT：离散扩散模型的免训练奖励适配方法

Jieke Wu 等在 arXiv 发布论文，提出 D-DOIT（Discrete Doob-Oriented Inference-time Transformation），一种对离散扩散模型进行推理时适配的免训练方法。该方法面向通用奖励（generic rewards），通过 Doob 的 h-transform 利用奖励值而非奖励梯度进行引导。 据论文声称，该方法无需训练且高效，适合对预训练离散扩散模型按通用奖励做适配；目前证据为论文发布本身，材料未说明实验细节与数值结果。

AI 根据报道生成 · 3 小时前更新