# 奖励加权传输蒸馏

该工作提出奖励加权传输蒸馏（RWTD），一种只需生成样本与标量奖励评估的一步生成器后训练方法，它把当前模型与参考模型各自的奖励倾斜分布混合成自适应目标，并用特征空间最优传输与不动点回归实现，在一步 SANA Sprint 1.6B 上把 GenEval 从 0.73 提升到 0.80，并在偏好对齐实验中表现出跨奖励泛化。

该工作提出奖励加权传输蒸馏（RWTD），一种只需生成样本与标量奖励评估的一步生成器后训练方法，它把当前模型与参考模型各自的奖励倾斜分布混合成自适应目标，并用特征空间最优传输与不动点回归实现，在一步 SANA Sprint 1.6B 上把 GenEval 从 0.73 提升到 0.80，并在偏好对齐实验中表现出跨奖励泛化。