奖励微调

LeapAlign：通过构建两步轨迹在任意生成步对流匹配模型进行后训练

LeapAlign: Post-training Flow Matching Models at Any Generation Step by Building Two-Step Trajectories

LeapAlign 通过将长 ODE 采样轨迹压缩为两步跳跃，使奖励梯度能直接回传到早期生成步，从而以低显存代价对齐流匹配模型；该技术可复用于任何需要端到端优化生成过程（如扩散/流模型）的视觉任务，例如文本到图像生成中的偏好微调。