PipelineRL：用强化学习训练扩散模型生成管线

Hugging Face 博客发布了一篇关于 PipelineRL 的技术文章，介绍了一种利用强化学习（RL）训练扩散模型生成管线的方法。该方法通过将扩散模型的采样过程视为一个序列决策问题，使用 RL 优化生成质量，无需依赖真实数据或人工标注。PipelineRL 在多个图像生成任务上展示了优于传统方法的性能，能够生成更符合人类偏好的图像，同时保持多样性。该工作由 ServiceNow 研究团队完成，代码已开源。