扩散模型与强化学习(3)：Skyreels-v2中的DPO实战

沉迷单车的追风少年

已于 2025-06-29 12:49:00 修改

阅读量719

点赞数 15

CC 4.0 BY-SA版权

分类专栏：扩散模型与强化学习 Diffusion Models与深度学习文章标签：人工智能深度学习扩散模型强化学习

于 2025-06-24 09:00:00 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_41895747/article/details/148829863

Diffusion Models与深度学习同时被 2 个专栏收录

该专栏为热销专栏榜第70名

320 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

扩散模型与强化学习

17 篇文章

订阅专栏

扩散模型与强化学习(0)：专栏汇总与导航

前言：《Skyreels-v2: Infinite-length film generative model》中详细介绍了训练Flow-DPO的原理、方法、数据收集策略等，内容非常翔实，是训练Flow-DPO非常难得的一份参考资料。

目录

RLHF 相关工作

偏好数据生成管道

奖励模型训练

RLHF 相关工作

基于人类反馈的强化学习（RLHF）在将大型语言模型与人类偏好对齐方面的成功激发了它对视觉生成任务的适应。有两种主要的代表性优化算法：

(1)奖励加权回归（Reward-Weighted Regression， RWR）方法采用强化学习利

了解本专栏

超级会员免费看

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

沉迷单车的追风少年 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。