כתבה
arXiv cs.AI ·
שילוב חווית סוכן במודל דיפוזיה
Internalizing Agent Experience into Diffusion Model Weights via On-Policy Context Distillation
חוקרים הציגו שיטה חדשה לשיפור ביצועי מודלי יצירת תמונות. השיטה, Diffusion On-Policy Context Distillation, מאפשרת לסוכנים לשפר את המודלים על ידי עיבוד נתונים והכשרתם מחדש. התוצאות הראו שיפור משמעותי באיכות התמונות המיוצרות.
תקציר מקורי באנגליתarXiv:2610.07250v1 Announce Type: new Abstract: Wrapping an image generation model in an agentic harness can effectively boost Text-to-Image task performance: the harness can leverage memory, skills, workflow orchestration, result verification, and iterative refinement to continually construct and revise prompts, thereby eliciting better images. These gains, however, remain external to the diffusion model and are realized only while the full harness runs. We propose Diffusion On-Policy Context Distillation (D-OPCD), which treats the agent-improved prompt as privileged context and distills the knowledge encoded in the agent harness into the weights of the diffusion model, so that the model retains part of the harness's benefit when conditioned on the original query alone. Using a Text-to-Im
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית