Tag · 3 篇

扩散模型对齐

分布生成模型与扩散2图像编辑与可控生成1

PromptLoop: Plug-and-Play Prompt Refinement via Latent Feedback for Diffusion Model Alignment

把提示词精炼做成逐步闭环的 RL 策略：用 MLLM 读取扩散模型中间潜变量并逐步改写提示词，从而在不改权重的前提下实现奖励对齐，可直接迁移到文生图/编辑的偏好优化与少步采样场景。

Expand and Prune: Maximizing Trajectory Diversity for Effective GRPO in Generative Models

Pro-GRPO 将基于潜变量的轨迹剪枝嵌入采样过程，通过提前终止奖励聚集的轨迹来降低计算开销，使大 group size 的 GRPO 训练在扩散/流模型中变得可行；其 Expand-and-Prune 策略可直接用于视觉生成模型的强化学习对齐。

DRM: Diffusion-based Reward Model With Step-wise Guidance

把预训练扩散模型本身当作奖励骨干，利用其对含噪中间潜变量的逐步评估能力，为扩散模型对齐提供密集的每步奖励与推理时的路径引导，可直接迁移到任意扩散/流匹配模型的偏好优化与采样搜索。