可微奖励映射

基于可解释潜变量奖励的自纠正图像生成

Self-Corrected Image Generation with Explainable Latent Rewards

把不可微的图像级评价（MLLM 打分）通过可微映射转成潜变量空间的连续奖励梯度，再用轻量 corrector 在采样过程中修正潜变量——这套「潜变量奖励 + 自纠正」机制可直接迁移到任何 diffusion/flow 采样器的对齐微调或测试时优化中。