EmoReward、感情動画生成のRL報酬を自己進化的に調整

1. 04:00
   Hugging Face Daily Papers

   EmoReward、感情動画生成のRL向け自己進化型報酬較正を提案

   EmoReward は、感情動画生成のRL（GRPO）学習で報酬の重みを自己調整する学習機構である。実学習の報酬履歴から各報酬信号の信頼性を推定し、次回の学習で融合重みを補正する。HunyuanVideo 1.5 で複数のRLアルゴリズムに対する改善を示し、SD 3.5 と FLUX では適応的報酬較正の有効性を確認したとしている。

現在の注目度 3·比較可能なピーク 3（11月6日 01:00）·24時間の比較可能な増減 –

推移は、継続的かつ完全に観測できたアカウントのみを比較しているため、現在の注目度の数値より範囲が狭くなる場合があります。ポインターを動かすかグラフをタップすると、1時間ごとの注目度を確認できます。キーボードでは左右の矢印キーを使います。