ExploreNet：扩散模型 GRPO 中自适应探索策略的学习

ExploreNet 在扩散 GRPO 训练中为每个潜在元素预测自适应噪声尺度，替代 Flow-GRPO 的各向同性高斯噪声。在 Stable Diffusion 3.5 Medium 上，ExploreNet 使 GenEval2 提升 14%，人类偏好胜率 67.2%，并迁移至两个组合基准和五个偏好/图像质量模型。