arXiv · cs.AI· Yuanhao Ban, I-Hung Hsu, Anastasios Angelopoulos, Wei-Lin Chiang, Ion Stoica, Cho-Jui Hsieh·· 2 天前
组合偏好与评分标准奖励训练前沿文生图模型
Post-Training Frontier Text-to-Image Models by Composing Preference and Rubric Rewards
arXiv:2610.02967v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yuanhao Ban, I-Hung Hsu, Anastasios Angelopoulos, Wei-Lin Chiang, Ion Stoica, Cho-Jui Hsieh
研究任务与主要进展
作者提出一种面向开放域文生图模型的后训练方法，将 Bradley-Terry 偏好奖励与 rubric 奖励组合，以兼顾人类审美、提示词忠实度和防 reward hacking。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org