arXiv 2609.33803 · cs.LG · 2026-09-27
Diffusion Reward Models
Xiangyang Wang, Bingxiang He, Zeyuan Liu, Jiaze Wang, Ziqing Qiao, Yuxin Zuo, Huan-ang Gao, Cheng Qian 等 16 人
Tsinghua NLP Group
在最新榜 #256 本站收录于 2026-10-21
一句话要点
清华 DRM 把奖励建模改成条件密度估计，用扩散模型刻画人类偏好的多峰分布。
Tsinghua's Diffusion Reward Model recasts reward modelling as conditional density estimation to capture multimodal human preferences.
阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库
主题与学科
同主题：对齐
数据说明
元数据来自 arXiv API（已核实）；点赞来自 Hugging Face 每日论文；引用来自 Semantic Scholar。最近刷新 2026-10-22。
要点由本站根据摘要自写，不转载摘要原文，请阅读原文。