提出 DiT-Reward 方法,将预训练的文本到图像扩散 Transformer 转换为奖励模型,用于图像生成的人类偏好预测与强化学习优化,在多个基准测试和推理效率上优于现有方法 HPSv3。
机构:京东
来源:arXiv 2606.23626 | AI4Papers 论文推荐平台