**NormGuard：在流匹配强化学习中保持奖励的范数约束**

_NormGuard: Reward-Preserving Norm Constraints in Flow-Matching Reinforcement Learning_

> 针对流匹配生成器在强化学习后训练中因速度范数膨胀导致的感知质量下降问题，提出NormGuard方法。该方法通过在训练时引入仅在范数超标时激活的铰链惩罚，有效抑制了与奖励无关的范数膨胀，在保持奖励对齐的同时显著提升了图像质量和逼真度。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.27771)