【综述专栏】基于强化学习的扩散模型微调：教程与综述

文章预览

在 科 学 研 究 中 ， 从 方 法 论 上 来 讲 ， 都 应 “ 先 见 森 林 ， 再 见 树 木 ” 。 当 前 ， 人 工 智 能 学 术 研 究 方 兴 未 艾 ， 技 术 迅 猛 发 展 ， 可 谓 万 木 争 荣 ， 日 新 月 异 。 对 于 A I 从 业 者 来 说 ， 在 广 袤 的 知 识 森 林 中 ， 系 统 梳 理 脉 络 ， 才 能 更 好 地 把 握 趋 势 。 为 此 ， 我 们 精 选 国 内 外 优 秀 的 综 述 文 章 ， 开 辟 “ 综 述 专 栏 ” ， 敬 请 关 注 。 本教程全面调查了用于微调扩散模型以优化下游奖励函数的方法。虽然扩散模型因其出色的生成建模能力广为人知，但在生物学等领域的实际应用中，需要生成最大化某些期望指标（如RNA的翻译效率、分子的对接评分、蛋白质的稳定性）的样本。在这些情况下，扩散模型不仅可以生成逼真的样本，还可以明确地最大化感兴趣的度量。 这些方法基于强化学习 ………………………………