iADD 从理论上修正 DDPO：后段更新损害多样性

围绕扩散模型强化学习后训练中「只更新后段时间步更有利」这一既有结论，iADD 给出了相反的理论结论。2026 年 10 月 7 日的报道显示，iADD 通过数学分析证明，对扩散模型做强化学习后训练（如 DDPO）时，仅对后段时间步进行更新反而会损害生成多样性——这与既有工作的结论相反。在方法上，iADD 基于 Feynman-Kac 做增量训练，目标是在对齐与多样性之间取得迄今最好的权衡。报道称，该方法在三个任务的对比与消融实验中，于对齐和多样性两方面均验证了提升。目前公开信息集中于该理论与方法的提出及实验验证，尚无更多后续进展披露。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。