RVM：绕开似然直接在速度空间做扩散模型 RL 微调，快且稳

GaTech Yongxin Chen 团队提出 RVM（Reward-based Velocity Matching），直接在速度/score 空间注入奖励信号，绕开似然比对扩散模型做 RL 微调。该方法快速、可扩展、训练稳定，统一了近期多种目标函数，并通过动态运动奖励修复 RL 微调常见的「静态视频」问题，降低视频生成模型微调成本。