基于奖励的轨迹塑造技术：用于少步视觉生成

2026 年 9 月 7 日，arXiv cs.CV 预印本 arXiv:2604.14910v4 提出一种名为 Reward-Aware Trajectory Shaping (RATS) 的新框架。该研究旨在解决少步视觉生成模型因依赖多步教师模型而受限的问题。RATS 通过在关键去噪阶段对齐师生潜轨迹，并引入基于相对奖励表现的奖励感知门控机制来优化性能。具体而言，当教师模型的奖励表现更高时，该方法会强化对轨迹的塑造；而当学生模型的表现匹配或超越教师时，则放松约束以持续优化。实验结果表明，RATS 实现了无需额外测试时间计算开销的偏好知识迁移，显著提升了少步生成在效率与质量之间的权衡，大幅缩小了少步学生模型与强多步生成器之间的性能差距。