对抗奖励

图像即奖励：面向图像生成的对抗奖励强化学习

The Image as Its Own Reward: Reinforcement Learning with Adversarial Reward for Image Generation

用参考图像和视觉基础模型（如 DINO）提供密集视觉奖励，替代标量偏好奖励，可缓解奖励攻击并提升生成质量；该对抗奖励框架可复用于扩散模型或流匹配模型的强化学习微调。