偏好奖励模型

HP-Edit：面向图像编辑的人类偏好后训练框架

HP-Edit: A Human-Preference Post-Training Framework for Image Editing

用预训练 VLM 加少量人工偏好打分训练自动评分器，再把它同时当作偏好数据构造器和 RL 奖励函数，为扩散/流式图像编辑模型做后训练对齐；这套「VLM 评分器 + 偏好奖励」的流程可直接迁移到超分、去噪、视频生成等任何缺少可微目标的视觉生成任务。