HuggingFace Daily Papers·2026-09-29 08:00· 3 天前AI 评分34

Adaptive Reward Routing：面向联合音视频扩散模型的前向过程 RL 动态多奖励优化

Adaptive Reward Routing: Dynamic Multi-Reward Optimization for Joint Audio-Video Diffusion via Forward-Process RL

AI 导读

针对联合音视频扩散模型的多奖励强化学习，研究者提出 Adaptive Reward Routing，在 DiffusionNFT 前向过程 RL 中同时自适应调整更新位置与奖励协调方式。