Arena 公布文生图后训练新法，FLUX.2-dev 涨 69 Elo

2026 年 10 月 2 日，Arena 团队公布了一套面向文生图模型的后训练新方法。该方法先在约 500 万对人类偏好投票上训练奖励模型，同时用视觉语言模型自动构建 rubric（评分表），再将偏好信号与 rubric 组合成复合奖励，用于模型后训练。团队将这一方法应用于 FLUX.2-dev，后训练后其 Arena Elo 提升 69 分。团队同时指出，仅依赖人类偏好奖励并不充分：这类奖励会奖励那些漏掉细节、添加无关内容、甚至属于 reward-hacking 的输出。因此他们选择把偏好与明确的评分表结合起来，以约束奖励信号的偏差。目前公布的进展即为该方法及其在 FLUX.2-dev 上的 Elo 提升结果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。