超越成对偏好：用于扩散模型的列表级奖励感知对齐方法

2026 年 9 月 7 日，arXiv cs.LG 发布论文《Beyond Pairwise Preferences: Listwise Reward-Aware Alignment for Diffusion Models》。该研究针对现有扩散模型依赖成对偏好进行对齐的局限性，提出了一种列表式奖励感知对齐新范式。该方法通过引入列表形式的奖励信号，使模型能够同时考虑多个样本间的相对关系与整体分布特性，从而在保持生成质量的同时提升对齐效率与效果，为扩散模型的优化提供了新的技术路径。