**HuggingFace 论文：组合偏好与评分奖励优化文生图模型后训练**

_Post-Training Frontier Text-to-Image Models by Composing Preference and Rubric Rewards_

> 该研究提出一种针对前沿文生图模型的后训练方法，通过组合基于 Bradley-Terry 目标的偏好奖励和基于评分标准（Rubric）的奖励，有效平衡人类审美偏好与提示词忠实度。实验表明，该方法在 Arena 排行榜上显著提升了 Flux2dev 和 Ideogram-4 的性能，其中 Ideogram-4 超越所有开源模型。团队同时发布了 Arena-T2I-Training 数据集以支持可复现研究。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.02967)