论文提出DIDR框架：单步文生图生成器的免数据RL对齐

Junyi Wu 等人在 arXiv 发布论文，提出 DIDR（Diff-Instruct with Diffused Reward），一个从积分 KL 最小化推导出的免数据轨迹级对齐框架，用于单步文生图生成器的强化学习对齐，解决奖励优化与生成动态不匹配导致图像保真度下降的问题。论文称实验显示 DIDR 在单步 SDXL 基线上持续取得 Pareto 优势；迁移到 6B DiT 骨干（Z-Image）时，只需单步生成即在偏好对齐上超过其 50 步教师模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。