待验证50% 置信基准精确时间

Spectral Feedback对当前最先进的RL微调扩散模型仍能带来5.8%的提升

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/28

首次发现

有效期至：2026/12/27

来源

Spectral Feedback：让蛋白质扩散模型学会自我纠错

涉及实体

Spectral Feedbackconcept

相关事实

待验证自回归模型的RLHF路线已经相当成熟，而扩散模型直接照搬自回归的RL方法往往效果不佳65% 相似待验证Spectral Feedback是一种针对离散扩散模型的对齐方法，通过重新掩码和重新采样已生成的token，在反馈循环中选择需要编辑的位置，让模型迭代式地纠正自身生成结果63% 相似待验证RL对pass@1的提升而不影响pass@k，本质上是在压缩模型的输出分布使其更集中在正确答案附近，即分布锐化60% 相似待验证RLAIF使用另一个模型代替人工提供反馈信号，降低标注成本60% 相似待验证RLAIF、DPO等改进技术正尝试通过更精细的偏好建模缓解RLHF导致的冗余偏差57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/955545

API

curl https://kongchang.com/api/v1/knowledge/claims/955545

MCP

get_claim(id=955545)