像素级优势图

看见关键之处：面向视觉生成的视觉偏好策略优化

Seeing What Matters: Visual Preference Policy Optimization for Visual Generation

把 GRPO 的单一标量奖励升级为基于预训练视觉骨干构建的像素级/时序级优势图，可直接复用到任何扩散或视频生成模型的 RL 后训练中，用于抑制局部伪影、强化细粒度感知区域。