- 论文公开站arXiv
通过输出后处理实现黑盒生成式AI的统计属性对齐
Statistical attribute alignment for black-box generative AI via output post-processing
摘要显示，该研究针对黑盒生成式AI提出输出后处理方法，使生成输出中某属性（如性别、种族、年龄等受保护属性）的分布与用户指定目标分布对齐，适用于公平性与合成数据生成等场景。作者针对精确与近似对齐分别设计算法，最小化对生成器的期望查询次数，并证明当请求输出数m趋于无穷时算法具有最优性。在文本到图像生成与地理编码人物生成任务上的实验表明，该后处理算法可改善统计属性对齐，与基于提示词的干预形成互补。
意义：为开发者提供不依赖模型内部结构的黑盒后处理方案，可在公平性与合成数据场景中低成本控制输出属性分布。
- 论文公开站arXiv
λ控制GRPO：将流匹配比率不稳定性转化为预算资源
$λ$-Controlled GRPO: Turning Flow-Matching Ratio Instability into a Budgeted Resource
摘要显示，该研究针对流匹配模型强化学习（Flow-GRPO）中多步去噪训练不稳定的问题，指出重要性比率漂移、离散化、裁剪率差异等看似独立的失效模式实际源于单一的「路径方差」量，该量由采样器的高斯转移核精确决定并可低成本估计。作者提出 λ-Controlled GRPO，依据预测规律校准重要性比率行为，并按预测代价在去噪步间分配梯度预算，两个尺度由标准策略选择固定而非自由调参。在文本到图像模型上以 OCR 评分渲染难目标文本等两种奖励设置…
意义：为流匹配生成模型的强化学习对齐提供了可度量、可预算的稳定性机制，减少对手工调参稳定器的依赖，对图像生成模型的 RL 训练工程有直接参考价值。
- 论文公开站arXiv
Paint-Anything：图像生成与编辑的统一任意颜色控制
Paint-Anything: Unified Any-Color Control for Image Generation and Editing
摘要显示，该研究提出 Paint-Anything，通过对象级颜色监督学习共享的十六进制颜色提示接口，统一支持图像生成与编辑中的任意颜色控制。作者构建了 Paint-500K 数据管线（对象定位、感知颜色标注、编辑对合成），并用纯色锚点在噪声较高时间步补充监督。同时提出 ACBench 基准。在 FLUX.2-4B 上，ACBench-T2I 与 ACBench-Edit 分数分别提升 85.3% 和 28.3%。
意义：为扩散模型提供更精确的对象级颜色控制与统一生成/编辑接口，并给出可复用的评测基准，利于设计与电商等可控生成应用。