MultiMaxPO：用多轴Max@K强化学习提升文生图代表性多样性

论文提出MultiMaxPO，提升文生图对预设模式的覆盖多样性。

资讯摘要

论文提出MultiMaxPO，一种面向扩散文生图模型的强化学习后训练方法，以多轴max@K目标优化代表性多样性，即样本对颜色、感知种族等预设模式的覆盖。该方法让不同样本因提升不同模式的最高分而获得奖励。作者在合成高斯混合、Stable Diffusion 3.5 Medium及FLUX.1-dev上验证，报告公平性分数较基模型提升，并保持图像质量与文本对齐。

要点速读

1. 论文将代表性多样性定义为样本对预设模式的覆盖程度，并提出多轴max@K目标：对每个模式取样本最大值后求和，使不同样本因不同模式获得奖励。
2. 作者在合成高斯混合和Stable Diffusion 3.5 Medium的像素颜色奖励上验证了该信用分配机制。
3. 在留出提示词和三个自动评估器下，作者报告Fairness Score较基模型在SD 3.5 Medium上提升0.22-0.36、在FLUX.1-dev上提升0.07-0.19，优于匹配的RL基线，并保持图像质量与文本对齐；代码已公开。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。