Alibaba（阿里巴巴）

Taming Preference Mode Collapse via Directional Decoupling Alignment in Diffusion Reinforcement Learning

通过方向解耦对齐缓解偏好模式崩溃在扩散强化学习中

Chubin Chen, Sujie Hu, Jiashu Zhu, Meiqi Wu, Jintao Chen, Yanxun Li, Nisha Huang, Chengyu Fang, Jiahong Wu, Xiangxiang Chu, Xiu Li

机构 * Tsinghua University（清华大学） ； AMAP, Alibaba Group（阿里云实验室，阿里巴巴集团） 纠错

AI总结 本文提出D²-Align框架，通过方向解耦对齐缓解扩散强化学习中的偏好模式崩溃，提升生成多样性。

Comments Accepted by CVPR 2026