Buchumschlag

Understanding Reinforcement Learning-Based Fine-Tuning of Diffusion Models: A Tutorial and Review

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Uehara, Masatoshi, Zhao, Yulai, Biancalani, Tommaso, Levine, Sergey
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Quantitative Methods
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Inference-Time Alignment in Diffusion Models with Reward-Guided Generation: Tutorial and Review
von: Uehara, Masatoshi, et al.
Veröffentlicht: (2025)

Feedback Efficient Online Fine-Tuning of Diffusion Models
von: Uehara, Masatoshi, et al.
Veröffentlicht: (2024)

Iterative Distillation for Reward-Guided Fine-Tuning of Diffusion Models in Biomolecular Design
von: Su, Xingyu, et al.
Veröffentlicht: (2025)

Reward-Guided Iterative Refinement in Diffusion Models at Test-Time with Applications to Protein and DNA Design
von: Uehara, Masatoshi, et al.
Veröffentlicht: (2025)

Bridging Model-Based Optimization and Generative Modeling via Conservative Fine-Tuning of Diffusion Models
von: Uehara, Masatoshi, et al.
Veröffentlicht: (2024)

Adding Conditional Control to Diffusion Models with Reinforcement Learning
von: Zhao, Yulai, et al.
Veröffentlicht: (2024)

Contextualizing biological perturbation experiments through language
von: Wu, Menghua, et al.
Veröffentlicht: (2025)

Fine-Tuning of Continuous-Time Diffusion Models as Entropy-Regularized Control
von: Uehara, Masatoshi, et al.
Veröffentlicht: (2024)

Efficient Fine-Tuning of Single-Cell Foundation Models Enables Zero-Shot Molecular Perturbation Prediction
von: Maleki, Sepideh, et al.
Veröffentlicht: (2024)

Drug Discovery SMILES-to-Pharmacokinetics Diffusion Models with Deep Molecular Understanding
von: Hu, Bing, et al.
Veröffentlicht: (2024)

G2T-LLM: Graph-to-Tree Text Encoding for Molecule Generation with Fine-Tuned Large Language Models
von: Yu, Zhaoning, et al.
Veröffentlicht: (2024)

Fine-Tuning Discrete Diffusion Models via Reward Optimization with Applications to DNA and Protein Design
von: Wang, Chenyu, et al.
Veröffentlicht: (2024)

A Fine-tuning Dataset and Benchmark for Large Language Models for Protein Understanding
von: Shen, Yiqing, et al.
Veröffentlicht: (2024)

Hyperbolic Graph Diffusion Model
von: Wen, Lingfeng, et al.
Veröffentlicht: (2023)

Quotient-Space Diffusion Models
von: Xu, Yixian, et al.
Veröffentlicht: (2026)

BDPM: A Machine Learning-Based Feature Extractor for Parkinson's Disease Classification via Gut Microbiota Analysis
von: Yu, Bo, et al.
Veröffentlicht: (2025)

Adaptive Multimodal Protein Plug-and-Play with Diffusion-Based Priors
von: Banerjee, Amartya, et al.
Veröffentlicht: (2025)

Derivative-Free Guidance in Continuous and Discrete Diffusion Models with Soft Value-Based Decoding
von: Li, Xiner, et al.
Veröffentlicht: (2024)

Diffusion Models at the Drug Discovery Frontier: A Review on Generating Small Molecules versus Therapeutic Peptides
von: Wang, Yiquan, et al.
Veröffentlicht: (2025)

CaLMFlow: Volterra Flow Matching using Causal Language Models
von: He, Sizhuang, et al.
Veröffentlicht: (2024)

Entropy-Reinforced Planning with Large Language Models for Drug Discovery
von: Liu, Xuefeng, et al.
Veröffentlicht: (2024)

Latent Diffusion Models for Controllable RNA Sequence Generation
von: Huang, Kaixuan, et al.
Veröffentlicht: (2024)

HypoGeneAgent: A Hypothesis Language Agent for Gene-Set Cluster Resolution Selection Using Perturb-seq Datasets
von: Yuan, Ying, et al.
Veröffentlicht: (2025)

GenCircuit-RL: Reinforcement Learning from Hierarchical Verification for Genetic Circuit Design
von: Flynn, Noah
Veröffentlicht: (2026)

Synthetic Data from Diffusion Models Improve Drug Discovery Prediction
von: Hu, Bing, et al.
Veröffentlicht: (2024)

Revolutionizing Genomics with Reinforcement Learning Techniques
von: Karami, Mohsen, et al.
Veröffentlicht: (2023)

Research on Adverse Drug Reaction Prediction Model Combining Knowledge Graph Embedding and Deep Learning
von: Li, Yufeng, et al.
Veröffentlicht: (2024)

Manifold-Constrained Nucleus-Level Denoising Diffusion Model for Structure-Based Drug Design
von: Liu, Shengchao, et al.
Veröffentlicht: (2024)

Domain Adaptive and Fine-grained Anomaly Detection for Single-cell Sequencing Data and Beyond
von: Xu, Kaichen, et al.
Veröffentlicht: (2024)

Binding Affinity Prediction: From Conventional to Machine Learning-Based Approaches
von: Liu, Xuefeng, et al.
Veröffentlicht: (2024)

CTAGE: Curvature-Based Topology-Aware Graph Embedding for Learning Molecular Representations
von: Chen, Yili, et al.
Veröffentlicht: (2023)

Physiologically Informed Deep Learning: A Multi-Scale Framework for Next-Generation PBPK Modeling
von: Liu, Shunqi, et al.
Veröffentlicht: (2026)

A Systematic Survey and Benchmark of Deep Learning for Molecular Property Prediction in the Foundation Model Era
von: Li, Zongru, et al.
Veröffentlicht: (2026)

Hierarchical Molecular Representation Learning via Fragment-Based Self-Supervised Embedding Prediction
von: Wu, Jiele, et al.
Veröffentlicht: (2026)

Neural Diffusion Processes for Physically Interpretable Survival Prediction
von: Cristofoletto, Alessio, et al.
Veröffentlicht: (2025)

Bridging Geometric States via Geometric Diffusion Bridge
von: Luo, Shengjie, et al.
Veröffentlicht: (2024)

A Comprehensive Review of Transformer-based language models for Protein Sequence Analysis and Design
von: Ghosh, Nimisha, et al.
Veröffentlicht: (2025)

Pareto-Optimal Offline Reinforcement Learning via Smooth Tchebysheff Scalarization
von: Bhatnagar, Aadyot, et al.
Veröffentlicht: (2026)

Dynamic Search for Inference-Time Alignment in Diffusion Models
von: Li, Xiner, et al.
Veröffentlicht: (2025)

MAT-MPNN: A Mobility-Aware Transformer-MPNN Model for Dynamic Spatiotemporal Prediction of HIV Diagnoses in California, Florida, and New England
von: Wang, Zhaoxuan, et al.
Veröffentlicht: (2025)