视觉问答奖励

RewardFlow：通过优化你所奖励的目标来生成图像

RewardFlow: Generate Images by Optimizing What You Reward

把可微奖励（VQA 语义奖励 + SAM 定位奖励）作为推理时的引导信号注入预训练扩散/流匹配模型，并用提示感知的自适应策略调节更新步长，为免训练可控编辑提供了一个可插拔的奖励设计范式。