# 条件生成对抗网络

新媒艺术生成中，用户偏好数据采集成本高、扩散采样又缺少可解释引导。CART规则引导扩散模型先用条件GAN把2000条真实评分扩成1万个虚拟智能体、50万条偏好记录，再把CART决策树规则转成可微梯度注入Stable Diffusion 1.5的反向采样。在五个基线对照下，该模型取得FID 29.56、偏好准确率0.734、Hit Rate@3 0.512，分别比最强基线RF-AIGC改善13.8%、9.4%和19.6%。

新媒艺术生成中，用户偏好数据采集成本高、扩散采样又缺少可解释引导。CART规则引导扩散模型先用条件GAN把2000条真实评分扩成1万个虚拟智能体、50万条偏好记录，再把CART决策树规则转成可微梯度注入Stable Diffusion 1.5的反向采样。在五个基线对照下，该模型取得FID 29.56、偏好准确率0.734、Hit Rate@3 0.512，分别比最强基线RF-AIGC改善13.8%、9.4%和19.6%。

连续控制强化学习长期受困于探索效率与长程信用分配，常用做法是给智能体加动作噪声或熵正则，这类探索不带方向。GANGSTER 用一个条件生成对抗网络按当前状态生成候选子目标，再用可期望回报、可达性和多样性三项结构化损失筛选，生成的目标只通过内在奖励塑形接入 TD3 与 SAC，不改动二者的核心更新规则。在 MuJoCo 的 Ant-v5 上，配 TD3 的 GANGSTER 相比基线 TD3 把解题时间缩短约 31%、最终表现提高 53%；在 HalfCheetah-v5 上配 SAC 则把最终表现提高 10%，并把解题后的达标一致性提升到 99% 以上。

连续控制强化学习长期受困于探索效率与长程信用分配，常用做法是给智能体加动作噪声或熵正则，这类探索不带方向。GANGSTER 用一个条件生成对抗网络按当前状态生成候选子目标，再用可期望回报、可达性和多样性三项结构化损失筛选，生成的目标只通过内在奖励塑形接入 TD3 与 SAC，不改动二者的核心更新规则。在 MuJoCo 的 Ant-v5 上，配 TD3 的 GANGSTER 相比基线 TD3 把解题时间缩短约 31%、最终表现提高 53%；在 HalfCheetah-v5 上配 SAC 则把最终表现提高 10%，并把解题后的达标一致性提升到 99% 以上。