**RankE：面向离散文本到图像生成的端到端后训练与解码器协同进化**

_RankE: End-to-End Post-Training for Discrete Text-to-Image Generation with Decoder Co-Evolution_

> 本论文提出RankE，首个用于离散自回归文本到图像生成的端到端后训练框架。研究发现，现有方法仅优化策略而固定VQ解码器会导致潜在协变量偏移，即策略优化虽提升奖励分数，但解码图像质量反而下降。RankE通过交替优化策略和解码器，使两者协同进化，基于排名对齐目标并辅以稳定性正则化，解决了保真度与对齐度之间的权衡问题。实验显示，在LlamaGen-XL和Janus-Pro模型上，RankE能同时改善FID和CLIP分数，将奖励优化转化为像素空间的质量提升。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-05-25 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.21195)