偏好反馈循环

Circular-DPO：通过偏好反馈循环对齐多阶段 3D 生成模型

Circular-DPO: Aligning Multi-Stage 3D Generative Models via Preference Feedback Loop

将 DPO 扩展到多阶段 3D 生成流程，通过采样-解码构造跨阶段偏好对，绕过不可微操作实现端到端偏好对齐；质量感知加权机制可复用于其他带噪声偏好数据的对齐训练。