Il framework DRIFT mira a prevenire il collasso della diversità nel fine-tuning RL per la generazione di immagini

Un recente articolo, identificato come arXiv (2601.12401), presenta DRIFT (DiveRsity-Incentivized Reinforcement Fine-Tuning for Versatile Image Generation), un framework volto ad affrontare il problema del collasso della diversità nel fine-tuning con apprendimento per rinforzo di grandi modelli generativi come i modelli di diffusione e di flusso. Questa ricerca, classificata come tipo replace-cross, affronta una sfida chiave in cui il processo di ottimizzazione porta a una distribuzione delta di Dirac, limitando così la diversità delle uscite. DRIFT promuove la diversità durante il fine-tuning on-policy, bilanciando l'allineamento efficace del compito con la necessità di uscite variegate, cruciale per applicazioni che dipendono da generazioni diverse. Lo studio, rilevante per i settori dell'IA e della tecnologia artistica, potrebbe influenzare l'arte generativa e gli strumenti creativi. L'articolo è stato rilasciato su arXiv, indicando una revisione.