提出ParetoSlider,一种面向扩散模型的多目标强化学习框架,通过将连续变化的偏好权重作为条件信号进行后训练,使单个模型能逼近整个Pareto前沿,从而在推理时连续调控多个竞争性奖励(如图像编辑中的提示遵循与源图保真)的权衡,无需重训练或多模型存储。
机构:Adobe
来源:arXiv 2604.20816 | AI4Papers 论文推荐平台