提出ZeNOVA无梯度初始噪声对齐方法
热点事件持续更新
提出ZeNOVA无梯度初始噪声对齐方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Jinho Chang 与 Jong Chul Ye 在 arXiv 论文（arXiv:2610.00365）中提出 ZeNOVA，一种无梯度的初始噪声对齐方法，用于黑盒奖励场景下对生成模型的对齐。 该方法结合退火软值引导、流形约束超球面 Langevin 动力学和 Metropolis-Hastings 跳跃，面向一步或少步生成的蒸馏与流图模型，解决一阶梯度方法在此类场景中不稳定或不可用的问题。 论文称，在图像和视频生成模型上的大量实验显示，ZeNOVA 通过优化初始噪声，比所有评测过的零阶基线更稳定地获得更高奖励，同时利用了高斯先验的几何结构。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
ZeNOVA：流形约束的初始噪声优化方法实现高效生成模型对齐报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIZeNOVA：流形约束的初始噪声优化方法实现高效生成模型对齐
arXiv 论文提出 ZeNOVA，一种无梯度的初始噪声对齐方法，通过退火软值引导、流形约束超球面 Langevin 动力学和 Metropolis-Hastings 跳跃，解决黑盒奖励场景下一阶梯度方法不稳定或不可用的问题。该方法面向一步或少步生成的蒸馏与流图模型，在图像和视频生成模型实验中表现优于所有评测的零阶基线，优化初始噪声更稳定地获得更高奖励。论文共 25 页、13 幅图。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。