arXiv cs.AI· Zhaolong Su, Yujin Han, Feng Wang, Jameson Dong, Hins Hu, Difan Zou·· 2026-09-30AI 评分37
CoRe：通过协同演化奖励模型缓解视频扩散模型潜在奖励黑客问题
CoRe: Co-Evolving Reward Models for Mitigating Latent Reward Hacking in Video Diffusion Models
AI 导读
研究人员提出协同演化奖励框架 CoRe，通过重拟合奖励模型并锚定真实视频偏好，解决视频扩散模型对齐中的潜在奖励黑客问题。针对生成器在数百次更新后脱离分布导致画质崩溃的缺陷，CoRe 将潜在空间对齐转化为生成器与奖励模型的持续动态交互。在 Wan2.1-T2V-1.3B 上的实验显示，CoRe 生成质量持续超越预训练模型和既有对齐方法。
来源：arXiv cs.AI · arxiv.org