DualHeads：双分类头实现少步扩散奖励对齐

Yuanzhi Zhu 等作者提出 DualHeads，用两个二分类头在冻结的扩散骨干上为少步生成器做奖励对齐，仅依赖外部奖励评估和参考样本。奖励头学习同一提示词下哪些样本得分更高，参考头区分参考图与生成图，生成器最大化两者 logits 的加权和。 作者称，在规则奖励和模型奖励下，少步 DualHeads 生成器的任务奖励接近 40 步强化学习方法，同时保持图像质量、不增加推理成本。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。