金沙娱乐,金沙娱乐城官网,金沙娱乐城app,金沙娱乐城,金沙赌场网站,金沙博彩,金沙集团官网,金沙赌场网站,金沙官网,金沙app,澳门金沙娱乐城官网,威尼斯人,威尼斯人官网,威尼斯人博彩,威尼斯人app,威尼斯人平台,澳门威尼斯人官网,威尼斯人网址,威尼斯人赌场,太阳城,太阳城娱乐,太阳城app,太阳城app下载,太阳城集团,太阳城赌场,太阳城网络赌博平台,太阳城集团官网,太阳城网站注册,太阳城注册网址,澳门赌场app,澳门赌场官网,澳门赌场在线

　　近年来，链式推理和强化学习已经被广泛应用于大语言模型，让大语言模型的推理能力得到了显著提升。然而，在图像生成模型中，这种成功经验尚未得到充分探索。图像生成模型往往直接依据给定文本生成图像，缺乏类似人类创作过程中的推理，导致生成的图像在语义遵循上仍有一定局限。

　　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。

　　目前，ReasonGen-R1 已全面开源（包括训练、评测代码，训练数据以及模型）。

　　ReasonGen-R1 的训练包括两个核心阶段：监督微调阶段（SFT）以及强化学习阶段（RL）。

　　监督微调阶段首先构建了一个大规模图片生成推理数据集，共包含 20 万条图像-文本对。该数据集基于 LAION 美学子集，利用 GPT-4.1 根据图片自动生成两类描述：一是多样化的简洁图片描述（包括常规叙述、基于标签和以物体为中心的叙述），二是丰富的推理式 CoT（chain-of-thought）叙述。多风格的简洁图片描述设计有效避免了模型在 SFT 阶段对单一 prompt 模式的过拟合。

　　图1. ReasonGen-R1 模型架构概览。ReasonGen-R1通过监督微调（SFT）以及强化学习（RL）使得模型可以先进行链式推理，再生成最终图片。

　　强化学习阶段通过 Group Relative Policy Optimization（GRPO）进一步优化模型输出。为了有效评价生成输出图像的质量和输入文本-输出图像的一致性，ReasonGen-R1 采用了预训练视觉语言模型 Qwen-2.5-VL-7B 作为奖励模型，让其对于每个输出图片，根据图片以及输入文本是否一致，给出 0、1 奖励。

　　此外，为确保训练稳定性，ReasonGen-R1 提出了一种改进的自适应熵损失函数，该损失函数能够将输出 token 的熵动态调节到目标熵附近，有效防止了在文本图像混合强化训练过程中训练不稳定导致模式崩塌的问题。

　　如图 4 所示，ReasonGen-R1 在所有指标上都较基座模型有了显著的提升。这些结果表明，将文本推理通过 SFT-RL 的框架应用于图片生成，能够显著提升自回归图像生成模型的性能。

　　图4. 左图：基座模型Janus-Pro-7B和ReasonGen-R1生成图像可视化比较；右图：三个指令遵循指标上的表现比较。ReasonGen-R1在所有指标上均超过了基座模型，体现了指令遵循能力的巨大提升。

　　为深入探讨 ReasonGen-R1 各个模块的贡献，研究还进行了以下消融实验：

　　SFT 阶段的作用：为了测试 SFT 阶段对于模型最终性能的影响，ReasonGen-R1 对比了直接强化学习的结果。如表 1 所示，仅使用强化学习（RL）而未进行监督微调（SFT）时，模型表现显著下降，证明了 SFT 阶段对模型后续强化学习阶段的重要性。

　　奖励模型规模影响：实验还对比了不同大小的奖励模型。如表 1 所示，较小规模的奖励模型（Qwen-2.5-VL-3B）无法提供足够精准的反馈信号，严重影响强化学习阶段的表现。因此，选择高精度、大规模的奖励模型至关重要。

　　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. 1000次CoT输出中的单词频率。只有出现频率高于20%的单词被展示。出现频率最高的三个’a, an, the’被移除以关注保护更多信息的词语

　　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。

　　更关键的是，「突出」（highlighting）和「强调」（emphasizing）这两个词各自在至少 70% 的 CoT 中出现，表明模型有意识地聚焦于主要主体。这揭示出 ReasonGen-R1 不仅仅是在描述物体，而是在主动规划构图焦点。

　　除了核心词汇外，ReasonGen-R1 还运用了大量修饰词——「背景」（background）用于建立环境氛围；「特征」（features）用于突出显著视觉元素；「宁静」（calm）用于渲染平和氛围；「瞬间」（moments）用于传达时间抓拍感；「捕捉」（captured）用于强调摄影真实感；等等——以在每条推理序列中注入细腻的、情境化的细节。

　　总体而言，ReasonGen-R1 的推理链通过场景框架、风格细节、主体聚焦和细节修饰等要素，有效地引导了图像生成过程。

　　这一刻，群雄恐惧，诸强噤若寒蝉，罗浮大泽的人脸色苍白到了极点，不久前他们还放言，族主已到，区区一个村落算什么，要彻底扫平，为蛟苍报仇。可是现在，结果却这般的残酷与可怕，罗浮大泽最强的族主被斩成了两片，血迹斑驳，横尸此地！

　　困难与希望相伴，挑战与机遇并存。～年，在公司内部，多年来的高增长产生和积累了很多问题和矛盾。我们急需解决这些问题和矛盾。在公司外部，低价无序的市场竞争将会更加激烈，电力采购集约化步伐加快将会影响市场格局，市场需求多样化需要更多品种、更多规格产品的支撑。业内大企业大竞争局面已经形成。要实现公司做专做强，我们任重道远。

　　们，推进城镇化是大势所趋、发展之要，全县上下一定要高度重视，统筹谋划，强化措施，精心运作，不失时机地加快建设步伐，努力开创我县城镇化工作新局面，为促进新野既快又好地发展做出新的更大贡献。

　　“你……”那两人气到哆嗦，他们是何等高贵的身份，平日有谁敢不敬，现在居然被人在盘剥，在抢劫。

　　时事3：亚新线日,实拍两千年前的青铜四轮“首饰盒”,今天我演讲的题目是“保护环境，从我做起”。,365在线平台登录地址,永乐国际f6601cm。

　　融机构。然而，近年来，有关中信银行欠款被起诉的案例逐渐增多，引起了社会的广泛关注。本文将围绕中信银行欠多少起诉展开探讨，以期为读者提供更多了解和参考。 一、中信银行欠多少起诉根据实际情况。 中信银行欠多少起诉是一个复杂的问题，涉...,刺激战场国际服怎样才能有真人,龙源集团,真人玩斗地主现金。

　　06月13日,习致电祝贺马茂当选连任基里巴斯总统,2.严禁邀外校学生，更不能让他们进入校园。运动会期间，也必须穿校服进出校门，本校学生不得以观看运动或给你个人的比赛当啦啦为理由，邀约外校、社会青年等非在校生到校，或者在校门口等逗留。,线上巴黎人登录,美高梅娱乐反水,天博官网入口。

　　他刚进入瀑布下，就被白色浪涛打翻了出去，瀑布从数百米、上千米高的石崖山垂落，力道太猛烈了。

　　新闻信息服务许可证音像制品出版许可证广播电视节目制作经营许可证网络视听许可证网络文化经营许可证山东省互联网传媒集团主办联系电话 违法不良信息举报电话