DFR 框架求解扩散模型奖励微调难题：高奖励不牺牲多样性

新论文提出 DFR（Distributional Functional Rewards）框架，面向扩散与流模型的奖励微调，在奖励优化与保留生成分布理想特性之间取得平衡。该框架针对的核心矛盾是：追求高奖励往往导致样本多样性下降、生成分布严重偏离预训练分布。作者还附上推文线程展开细节。