iADD：改进扩散策略优化中的对齐与多样性

针对 DDPO 等扩散模型强化学习后训练方法在奖励优化中牺牲多样性与质量的问题，研究者提出 iADD，通过理论分析与方法设计改善这一权衡。该工作从数学上证明，仅对扩散模型后段 timestep 进行更新可能有损多样性，这与此前工作的结论相反。