先了解这件事
AI 综述
Arena 于 2026 年 10 月 2 日提出并验证面向前沿图像模型的复合奖励后训练方案。其博客介绍,该方案在约 560 万对人工投票训练的 Bradley-Terry 奖励模型之外,加入由视觉语言模型评估的忠实度奖励、约束奖励和反奖励作弊评分,并给出完整的离线评测设置及展示 reward hacking 失败模式的视觉前后对比。据 Arena 介绍,后训练后的 FLUX.2-dev 在实时 T2I 榜单提升 69 Elo 至 1202,Ideogram 4 提升 20 Elo 至 1224,超过所有公开开源模型;以 Gemini 3.5 Flash 为评判的离线消融显示胜率升至 64.2%,权重空间集成后进一步达 66.0%。目前尚无后续发展。
AI 根据公开报道生成
最新进展 · 正式报道
Arena 博客：前沿文生图模型的后训练方法事件进展
1 个已确认进展
- 来源：Arena
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月2日
Arena
Arena 博客：前沿文生图模型的后训练方法
Arena.ai 在博客中介绍如何对前沿文生图模型进行后训练，内容包括 rubric 奖励的构建方式、完整的离线评测设置，以及展示其捕获的 reward hacking 失败模式的视觉前后对比。
Arena
Arena 如何为图像模型后训练设计复合奖励
Arena 提出用复合奖励对前沿图像模型做后训练：在约 560 万对人工投票训练的 Bradley-Terry 奖励模型之外，加入由视觉语言模型评估的忠实度奖励、约束奖励和反奖励作弊评分。后训练后的 FLUX.2-dev 在实时 T2I 榜单提升 69 Elo 至 1202，Ideogram 4 提升 20 Elo 至 1224，超过所有公开开源模型。以 Gemini 3.5 Flash 为评判的离线消融显示胜率升至 64.2%，权重空间集成后进一步达 66.0%。