强化学习偏好对齐

BeautyGRPO：通过动态路径引导与细粒度偏好建模实现人脸修图的美学对齐

BeautyGRPO: Aesthetic Alignment for Face Retouching via Dynamic Path Guidance and Fine-Grained Preference Modeling

把在线 RL 的偏好对齐用于人脸修图这类高保真编辑任务时，用基于锚点的 ODE 路径在每个采样步重规划来抑制随机漂移，这个「动态路径引导」思路可直接迁移到其他需要保真度的扩散编辑/复原任务中，避免 RL 探索引入的噪声伪影。