强化学习奖励优化

面向隐私敏感身份识别的强化引导合成数据生成

Reinforcement-Guided Synthetic Data Generation for Privacy-Sensitive Identity Recognition

把通用域生成先验通过冷启动适配+多目标奖励（语义一致性/覆盖多样性/表情丰富度）迁移到隐私受限的身份识别域，并用动态样本筛选提升下游分类；这套「奖励引导生成+效用筛选」流程可直接复用到任何标注稀缺的视觉识别任务中做数据增广。