DFR 框架解决扩散模型奖励微调中的高奖励与多样性矛盾

新论文提出 DFR（Distributional Functional Rewards）框架，用于解决扩散与流模型奖励微调中样本多样性下降、生成分布偏离预训练分布的问题。该框架在奖励优化与保留生成分布理想特性之间取得平衡，并附有推文线程展开细节。