LeNO：将奖励噪声优化蒸馏为可学习残差传输

Hongeun Kim、Jeongsol Kim、Jong Chul Ye 在 arXiv 发布论文，提出 LeNO 方法：将基于奖励的初始噪声优化蒸馏为可学习的残差传输，预训练生成器保持冻结，无需测试时迭代优化。 该方法用 Local GRPO 和标量奖励学习锚点条件下的噪声修正分布，并推导出修正噪声分布与原始先验之间 KL 散度的可解上界作为正则化目标。论文称，LeNO 在推理时通过单次噪声修正即可提升目标奖励，同时基本保持生成质量与多样性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。