DFR框架：扩散模型奖励微调兼顾高奖励与多样性

2026年10月28日，AGI Hunt 报道，一篇新论文提出 DFR（Distributional Functional Rewards）框架，面向扩散模型与流模型的奖励微调。报道称，该框架针对的核心矛盾是：奖励微调中追求高奖励，往往导致生成样本多样性下降、生成分布严重偏离预训练分布。DFR 试图在奖励优化与保留生成分布理想特性之间取得平衡，即在不牺牲多样性的前提下获得较高奖励。报道提到，作者同时附上推文线程展开细节，但报道未披露具体的实验设置、对比基线或定量结果，也未说明该框架的实现方式与适用条件。目前公开信息仅停留在框架提出与问题定位层面，后续进展有待论文全文与更多报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。