188金宝博,金宝博,188金宝博体育,188金宝博官方网站,188金宝博app下载,金宝博体育,金宝博网站,金宝博链接,188金宝博网址,188金宝博黑款,金宝博入口,金宝博登录,体育投注,足球投注近期，上海科技大学、微软亚洲研究院和复旦大学提出了 ReasonGen-R1 框架，一个两阶段训练框架，将链式推理监督微调（Supervised Fine-tuning）与强化学习（Reinforcement Learning）相结合，以提升自回归图像生成模型的推理和创作能力。ReasonGen-R1 使得自回归图像生成模型可以端到端地在输出图片之前先进行文本「思考」，大幅提升了基座模型的语义遵循能力，并在多个语义指标上取得突破。
自适应熵损失函数的稳定作用：如图 6 所示，在没有熵损失的情况下，模型在经过 100 步的训练后会出现熵爆炸，同时 Reward 开始缓慢下降。另一方面，施加固定熵惩罚（–0.002）会使熵持续下降，并在第 80 步时过低，进而引发图片生成模式崩塌和奖励急剧下滑。这些现象凸显了在交错文本与图像的 RL 训练中，对于熵损失正则化设置的敏感性。相比之下，采用 ReasonGen-R1 提出的自适应熵损失能够将熵保持在最佳范围内，确保训练过程的稳定性以及奖励的稳定增长。
图 7 展示了 ReasonGen-R1 推理链的模式。首先，它通过「感知」（sense）、「场景」（scene）和「自然」（natural）等高频词（在超过 140% 的 CoT 中出现）来奠定总体框架，强调整体语境和真实场景。接着，它细化视觉风格：诸如「柔和」（soft）、「高光」（highlights）、「氛围」（mood）和「流畅」（sleek）等词汇（均在超过 100% 的 CoT 中出现）用以描述光照质量、情感基调和质感。
