生成モデルの性能向上：軌道多様性を最大化する手法

この研究は、軌道多様性を高めることで生成モデルの性能を向上させる方法を探求しており、特にGRPO（Generative Reinforcement Policy Optimization）フレームワークに焦点を当てています。 斬新さは、生成プロセス内の探索能力を強化するための、具体的な「拡張と剪定」戦略にあると考えられます。

• •生成型強化学習ポリシー最適化（GRPO）の改善に焦点を当てています。
• •軌道多様性のために「拡張と剪定」戦略を採用しています。
• •生成モデル内の探索能力の強化を目指しています。