摘要：AI绘画最近几年已经从“看得懂”进化到了“看得还行”，但总隔着点什么。要么画面真实感差点意思，要么风格美学不稳定，更别提有时候为了拿高分，模型反而画出脱离现实的“高分低感图”。腾讯混元团队最近提出的新方法，正好解决了这一痛点。
AI绘画最近几年已经从“看得懂”进化到了“看得还行”，但总隔着点什么。要么画面真实感差点意思，要么风格美学不稳定，更别提有时候为了拿高分，模型反而画出脱离现实的“高分低感图”。腾讯混元团队最近提出的新方法，正好解决了这一痛点。
他们把优化范围从扩散过程的最后一段，扩展到整个扩散轨迹；同时，奖励机制也不再像过去那样“死板”，而是变得更聪明、更柔性。用他们自己的话说，这一波升级，是AI绘画迈向“更懂你”的关键一步。
当前主流的扩散模型，虽然能通过奖励函数训练生成更贴近人类审美的图像，但普遍存在两个大问题：
优化范围太局限：现有方法通常只在扩散的后几步进行优化，因为早期噪声太重，梯度传播容易出问题，训练成本也高；奖励机制容易被“黑”：模型会钻奖励函数的空子，为了高分而生成“看起来好但本质差”的图。比如，有些评分机制偏好红色调或者高对比度，模型就为了拿分疯狂堆这些视觉元素，结果图像看起来“怪怪的”。
为了打破只能后期优化的限制，腾讯混元团队提出了Direct-Align方法。
这个方法的核心思想是：
预定义一个“噪声先验”，让模型可以在扩散的任何阶段，通过插值方式恢复原始图像。
也就是说，早期“满是噪声”的状态，不再是盲区。模型可以在整个扩散轨迹中进行优化，哪怕只到了5%的进度，也能构建出图像的粗略结构。
结果是啥？
不仅训练更高效，最重要的是：避免了模型只在最后几步“刷分”，从源头上减少了“奖励作弊”的空间。
另一个关键创新是语义相对偏好优化（SRPO）。
简单说，SRPO把奖励信号变成了由提示词控制的相对评分机制。再通俗点说，就是你告诉模型“我更喜欢真实的照片风格”，它就会自动优化生成方向，甚至不需要额外的数据或模型。
具体做法是这样的：
给一张图像分别加上正面和负面的提示词，比如“Realistic photo”和“Cartoon”；然后计算两者的奖励差值，作为新的训练目标；最终，模型就学会了向你喜欢的方向靠拢。实验很惊艳：
在FLUX1.dev模型上，经过SRPO优化后，图像的真实感评分提升了3.7倍，美学评分也提高了3.1倍。而且，这一切只用32块H20显卡训练10分钟就能完成模型收敛。
更有意思的是，SRPO还支持风格控制，比如：
想让图像更亮？加上“Bright lighting”；想要漫画风？加上“Comic book style”。控制词的效果还跟它在奖励模型训练集中出现的频率有关。像“painting”这种高频词，控制力就很强；“Cyberpunk”这种冷门词，可能需要搭配别的高频词使用。
研究团队用目前主流的评估体系验证了新方法的效果：
在3200个提示词上测试，SRPO在Aesthetic Score v2.5、PickScore、ImageReward等多个自动指标上均为最优；人工评估也不含糊：10个标注员 + 3名专家，对500个提示词生成图像评分，SRPO模型的真实感优秀率从8.2%飙升到38.9%，美学优秀率从9.8%提升到40.5%。相比之下，其他方法虽然也有提升，但常常伴随明显的伪影，比如过度光泽、边缘发白等问题。
SRPO不仅画得更好看，还画得更自然。
这次腾讯混元团队的突破，不只是让AI画图更“听话”，更关键的是给了人类更多掌控权。
你想要什么风格？一句提示词就能调整。你不想被“奖励作弊”坑了？从源头优化就能解决。
AI绘画的下一步，不再是“AI画得多像”，而是“AI画得多懂你”。
真正的好模型，不是自己画得多好看，而是你说一声，它就知道怎么做。这，是AI绘画正在走向的未来。
来源：亓钦