研究者发布文生图后训练奖励组合方法

Yuanhao Ban 等作者发布论文，提出一种用于开放域文生图的后训练方案，把两类互补奖励信号组合使用：偏好奖励基于大规模人类偏好数据以 Bradley-Terry 目标训练，评分规则奖励评估提示词忠实度并防止奖励攻击。 作者同时发布 Arena-T2I-Training 数据集，称这是 1K 规模的训练数据子集，可复现全量训练的部分收益，供后续文生图模型后训练研究使用。

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。