Miércoles 14 de octubre de 2026 ·

Routing Policy Optimization (RPO): optimización de rutas de atención para aprendizaje por refuerzo en modelos de difusión

Relevancia 38 de 100

Investigadores presentan Routing Policy Optimization (RPO), un método para alinear generadores visuales de difusión con señales de recompensa sin cambiar su muestreador original. RPO introduce exploración aleatoria en la atención: en algunos niveles de eliminación de ruido, cada bloque de consulta muestrea otros bloques clave según la atención nativa del modelo, o usa atención densa. Compara dos rollouts que solo difieren en las rutas de atención para estimar una señal de ventaja. Según el resumen, RPO mejora la calidad de generación en texto a imagen y texto a video.

Qué significa

Quien entrene generadores de imagen o video podría ajustarlos con recompensas y seguir usando el mismo muestreador al generar.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

También ese día

Todas las noticias de IA del miércoles 14 de octubre de 2026 ->