热点事件持续更新
组合偏好与规则奖励后训练文生图模型
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv Computer Vision（一手）报道，研究者提出一种面向开放域文生图的后训练方案，将偏好奖励与基于准则的奖励组合，以兼顾人类审美偏好、提示词忠实性并抑制奖励破解。RL训练后的Flux2dev在Arena文生图榜上Elo较基础模型高69分；后训练的Ideogram-4达到Elo 1223.5，超过榜单所有开源模型（截至2026年9月4日快照）。目前未见后续报道或独立验证。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
arXiv新研究称组合偏好与准则奖励后训练，Ideogram-4达Elo 1223.5居开源模型之首。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Computer Vision通过组合偏好与准则奖励后训练前沿文生图模型
研究者提出一种面向开放域文生图的后训练方案，将偏好奖励与基于准则的奖励组合，以兼顾人类审美偏好、提示词忠实性并抑制奖励破解。RL 训练后的 Flux2dev 在 Arena 文生图榜上 Elo 较基础模型高 69 分，后训练的 Ideogram-4 达到 Elo 1223.5，超过榜单所有开源模型（截至 2026 年 9 月 4 日快照）。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。