Google Research 發表 Diffusion Controller 框架：可無縫附加於閉源模型提升圖像對齊度，白盒微調勝率達 90%

Google Research 發表輕量級附加網路 Diffusion Controller，旨在解決文字生成圖像模型中精確對齊使用者意圖與維持圖像品質的平衡問題。該框架將去噪過程重塑為連續控制問題，作為「轉向阻尼器（steering damper）」動態調整生成軌跡，可在不改變底層權重的情況下，無縫附加於受限或閉源模型。 團隊提出兩種基於最終獎勵分數的微調方法：包含內建裁剪規則以確保訓練穩定的 PPO（近端策略最佳化），以及提供直接最佳化路徑的獎勵權重損失（RWL）。 官方在 Stable Diffusion v1.4 骨幹網路上進行評估，結果顯示其輕量級附加網路在匹配人類偏好（HPS-v2 分數）上超越業界標準；而允許修改內部權重的完全解鎖版本（白盒微調），對比基準模型勝率達 90%。