Finetune Stable Diffusion Models with DDPO via TRL

Hugging Face 的 TRL 整合 DDPO 演算法，支援利用強化學習與自訂獎勵函數微調 Stable Diffusion 模型。

Hugging Face 宣布在其 TRL（Transformer Reinforcement Learning）庫中支援 DDPO（去噪擴散策略優化）演算法。這項更新允許開發者與研究人員使用強化學習（RL）來微調 Stable Diffusion 等擴散模型。透過自訂的獎勵函數（如美學評分或提示詞對齊度），DDPO 能有效引導模型生成更符合特定目標的圖像，解決了傳統監督式微調難以優化複雜指標的痛點。

摘要由 AI 整理,以原文為準。