热点事件持续更新
ZeNOVA：流形约束初始噪声优化用于高效生成模型对齐
1 篇报道1 个报道来源4 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv Machine Learning Theory 报道 ZeNOVA，一种无梯度初始噪声对齐方法，针对黑盒奖励场景下的不稳定与低效问题。该方法结合退火软值引导、流形约束超球面朗之万动力学与 Metropolis-Hastings 跳跃，利用高斯先验几何结构，在图像与视频生成模型上实验显示比零阶基线更稳定地将初始噪声优化至更高奖励，适用于多种黑盒奖励对齐场景。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
2026-10-02 arXiv 发布 ZeNOVA，提出无梯度初始噪声对齐方法，在图像与视频生成模型上优于零阶基线。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Machine Learning TheoryZeNOVA：流形约束初始噪声优化实现高效生成模型对齐
ZeNOVA 提出一种无梯度初始噪声对齐方法，通过退火软值引导、流形约束超球面朗之万动力学和 Metropolis-Hastings 跳跃解决黑盒奖励场景下的不稳定与低效问题。实验在图像和视频生成模型上表明，ZeNOVA 比所有零阶基线更稳定地将初始噪声优化至更高奖励，利用高斯先验几何结构。方法适用于多种黑盒奖励对齐场景。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。