EmoReward、感情動画生成のRL向け自己進化型報酬較正を提案

EmoReward は、感情動画生成のRL（GRPO）学習で報酬の重みを自己調整する学習機構である。実学習の報酬履歴から各報酬信号の信頼性を推定し、次回の学習で融合重みを補正する。HunyuanVideo 1.5 で複数のRLアルゴリズムに対する改善を示し、SD 3.5 と FLUX では適応的報酬較正の有効性を確認したとしている。