返回首页
RadarAI··论文与技术

Arena 提出图像模型后训练复合奖励方案,FLUX.2-dev 提升 69 Elo、Ideogram 4 达 1224

中文摘要

Arena研究表明人类偏好奖励虽必要但不充分,通过复合奖励方案优化,显著提升了FLUX.2-dev和Ideogram 4的图像生成表现。

English Summary

Arena research shows human preference is insufficient; a new composite reward strategy significantly boosts the Elo ratings of FLUX.2-dev and Ideogram 4.

原文节选

Arena 发布图像模型后训练奖励设计研究,指出人类偏好奖励必要但不充分,可能奖励看似美观但漏细节、加未要求内容或出现 reward-hacking 的输出。