# 多奖励优化

该工作提出自适应奖励路由（Adaptive Reward Routing），在DiffusionNFT前向过程强化学习中同时自适应调整奖励驱动更新的作用位置与多奖励协调方式：用双向交叉注意力响应作为跨模态影响的代理来动态重加权token损失并缩放跨模态层梯度，并在预热后以分支内奖励梯度交互作为残差修正预设偏好权重，在LTX-2（19B）与LTX-2.3（22B）两个联合音视频扩散骨干上、基于19,487条音视频提示训练，于JavisBench的10,140条提示上在十项指标中的九项取得最优。

该工作提出自适应奖励路由（Adaptive Reward Routing），在DiffusionNFT前向过程强化学习中同时自适应调整奖励驱动更新的作用位置与多奖励协调方式：用双向交叉注意力响应作为跨模态影响的代理来动态重加权token损失并缩放跨模态层梯度，并在预热后以分支内奖励梯度交互作为残差修正预设偏好权重，在LTX-2（19B）与LTX-2.3（22B）两个联合音视频扩散骨干上、基于19,487条音视频提示训练，于JavisBench的10,140条提示上在十项指标中的九项取得最优。