自置信度奖励

用内在自置信度奖励改进文本到图像生成

Improving Text-to-Image Generation with Intrinsic Self-Confidence Rewards

用模型自身对加噪潜变量的重建误差构造内在奖励，替代外部奖励模型做强化学习后训练，可直接迁移到扩散/流匹配模型的偏好对齐与组合生成能力提升，并可与外部奖励组合以缓解奖励黑客。