在AI图像生成技术日新月异的当下，腾讯再次抛出重磅技术方案，试图重新定义AI绘画的真实感边界。最新推出的图像优化方法，仅用32块H20显卡训练10分钟，便实现了模型的快速收敛，人工评分更是飙升超过300%，展现出惊人的效率与效果。
尽管当前主流的扩散模型已普遍引入奖励机制以提升图像质量，但其固有缺陷始终制约着进一步发展。一方面，优化过程中的训练步数有限，模型容易陷入“奖励作弊”的怪圈——即为了迎合评分标准而生成看似高分实则质量低劣的图像；另一方面，传统的离线奖励模型调整方式僵化，难以适应动态、实时的优化需求，严重限制了生成效果的持续提升。
面对这些瓶颈，腾讯研究团队祭出两大核心技术突破。其一是“Direct-Align”训练策略，通过在训练初期主动注入噪声，使模型具备从任意时间点还原原始图像的能力。这一设计有效缓解了早期反向传播中常见的梯度爆炸问题，从而让整个扩散过程中的每一步都能参与优化，而非仅仅依赖最后几个阶段，极大增强了模型的稳定性与学习深度。
另一项关键创新则是“语义相对偏好优化”（SRPO）。该方法巧妙地将抽象的奖励信号转化为可由文本精确调控的参数。通过引入正负向提示词对比，模型能够理解并响应用户对风格、色调或细节的细微偏好，实现无需额外标注数据的灵活调整。例如，只需在提示词前加入“更明亮”或“更具油画感”等简单指令，系统即可自动生成符合预期的图像变体，大幅降低使用门槛。
实测数据印证了这一技术组合的卓越表现。在涵盖3200个多样化提示的大规模测试中，经SRPO优化的FLUX.1-dev模型在真实感维度的优秀率从原先的8.2%跃升至38.9%，美学评分的优秀率也从9.8%攀升至40.5%。更重要的是，相较于其他优化方案，SRPO生成的画面不仅更具视觉吸引力，其纹理细节也更为细腻自然，几乎难以辨识为AI产物。
此次技术突破不仅是腾讯在AIGC视觉领域的一次强势亮相，更揭示了未来AI图像生成的发展路径——即通过更智能的训练机制与更人性化的交互方式，让机器真正理解并满足人类对美的复杂需求。
论文地址：https://arxiv.org/pdf/2509.06942
