Tag · 4 篇

强化学习优化

分布视觉语言模型2鲁棒性与安全1生成模型与扩散1

PROMPTMINER: Black-Box Prompt Stealing against Text-to-Image Generative Models via Reinforcement Learning and VLM-Guided Optimization

提出一种黑盒提示词窃取框架，利用强化学习重建主体、VLM引导搜索风格修饰词，可复用于提示词逆向工程、数据溯源与版权保护研究。

Learning to Diversify and Focus: A Reinforcement Framework for Open-Vocabulary HOI Detection

用强化学习驱动的语义扰动与 actor-critic 注意力精炼，缓解 CLIP 一阶段范式对已见交互的过拟合，可直接迁移到其他开放词表检测/grounding 任务中提升对未见类别的泛化与细粒度定位。

Image Diffusion Preview with Consistency Solver

把扩散采样器本身当作可训练的高阶线性多步求解器，用强化学习直接优化少步预览质量与预览-终稿一致性，可作为即插即用的采样器替换 DPM-Solver 类求解器，用于交互式生成与预览-精修流程。

DSO: Direct Steering Optimization for Bias Mitigation

对做 VLM 公平性与推理时可控生成的人，这篇给出了一个可复用的手段：用强化学习直接优化激活空间中的线性引导向量，而不是依赖人工设定的启发式方向，从而在推理阶段按需调节公平性与能力的权衡。