近日，腾讯推出了一种新方法，旨在提升 AI 生成图像的真实感与美学评分。据悉，这一微调技术在仅用32腾讯块 H20显卡训练10分钟后就能实现显著的收敛效果，其人工评估得分甚至提升了300% 以上。

当前的扩散全新模型虽然能够借助奖励机制来优化图像质量，但却面临着一些挑战。首先，模型优化步骤较少，容易出现所谓AI的 “奖励作弊” 现象，即模型为了获取高分而生成质量较低的图像。其次，离线调整奖励模型的过程不够灵活绘画，限制了实时优化的能力。

为了解决这些问题，腾讯团队提出了两个创新性的方法。第一个是名为 “Direct-Al升级ign” 的技术，通过预先注入噪声，模型能够从任何时间点恢复原图。这种方法减少了早期反向传播中的梯度爆炸现！微象，使得模型在整个扩散过程中都能够进行优化，而不仅仅局限于最后的几个步骤。

第二个创新是 “语义相对偏好优调技化”（SRPO）。这一方法将奖励信号转变为可受文本控制的信号。通过添加正面和负面提示词，模型能够灵术让活地调整生成图像的风格，而无需额外数据。这意味着，用户只需在提示词前加上简单的控制短语，即可实现如亮生成度调整或风格转换等功能。

实验结果显示，经过 SRPO 训练的 FLUX.1-dev 模型在真实感和美学质图像量上的表现均大幅提升。在一项包含3200个提示词的测试中，经过 SRPO 训练的模型在真实感维度上的优秀率美感由8.2% 提升至38.9%，而美学质量的优秀率从9.8% 提升至40.5%。相较于其它方法，SRPO 不仅在提升保持高美学质量的同时，生成的图像纹理更加自然。

这一技术的成功应用，不仅表明腾讯在 AI 绘画领域的进一步探索，30也为未来的 AI 图像生成技术指明了方向。

论文地址：https://arxiv.org/pdf/2509.060%942