Tag · 3 篇
奖励对齐
分布 生成模型与扩散2图像编辑与可控生成1
01 02 03
MotionEdit：以运动为中心的图像编辑基准与学习方法
MotionEdit: Benchmarking and Learning Motion-Centric Image Editing
MotionNFT 提出了一种基于运动流对齐奖励的扩散模型后训练微调框架，可复用于其他需要精确运动控制的图像编辑任务，如帧控制视频合成中的关键帧编辑。
GRPO-Guard：通过受调控的裁剪缓解流匹配中的隐式过度优化
GRPO-Guard: Mitigating Implicit Over-Optimization in Flow Matching via Regulated Clipping
对做扩散/流匹配模型 RL 后训练的人，这篇给出了一个可直接替换 PPO clipping 的比值归一化 + 梯度重加权模块，用来防止代理奖励上涨而图像质量与文本对齐崩塌；可作为 SD3.5、Flux 等骨干上 GRPO 微调的稳定化插件。
GDRO：适用于扩散模型的组级奖励后训练
GDRO: Group-level Reward Post-training Suitable for Diffusion Models
对做扩散/整流流模型奖励对齐的人，GDRO 给出一个可复用的后训练范式：用组级奖励构造完全离线的目标，省掉在线图像采样 rollout，并摆脱 ODE-to-SDE 近似对随机采样器的依赖；同时提出把奖励黑客趋势纳入评测的修正分数，可直接用于评估任何 RL 微调的文生图模型。