DOHF：基于 Doob $h$-变换引导的扩散模型在线微调

研究人员提出扩散模型在线微调算法 DOHF，将 Doob $h$-变换转化为实用的在线训练框架。该方法为生成样本赋予最优性权重并估计局部修正，直接蒸馏至生成模型中，且无需额外网络评估即可兼容黑盒与不可微奖励。DOHF 在三种实证场景下均提升了模型对齐效果，适用于统计采样与视觉生成任务。