**自适应奖励路由:基于前向过程RL的音视频扩散模型动态多奖励优化** _Adaptive Reward Routing: Dynamic Multi-Rew
原帖
**自适应奖励路由:基于前向过程RL的音视频扩散模型动态多奖励优化**
_Adaptive Reward Routing: Dynamic Multi-Reward Optimization for Joint Audio-Video Diffusion via Forward-Process RL_
> 针对联合音视频扩散模型中多奖励强化学习(RL)依赖固定路由和权重的局限,提出自适应奖励路由方法。该方法通过跨模态注意力动态定位更新位置,并利用偏好保持的模态感知重加权协调竞争奖励,有效解决了训练过程中模型功能演变带来的优化冲突,显著提升了模态质量、语义一致性及音画同步效果。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.37200)