騰訊混元提出SOAR：視覺生成模型自我糾偏

後訓練的兩難困境

擴散模型的後訓練主流路徑有兩條：監督微調只學標準答案而不會改錯；強化學習則依賴獎勵模型、偏好標註或負樣本，成本與工程複雜度居高不下。

團隊指出，這兩種方法在數據利用上均存在明顯短板，後訓練的核心瓶頸並不是數據不夠好，而是現有數據沒有被充分用夠、用透，前景值得期待。