RWTD：用奖励加权传输蒸馏对齐一步生成模型

研究提出奖励加权传输蒸馏（RWTD），一种仅需生成样本和标量奖励评估的一步生成模型后训练方法，通过混合当前与参考分布的自适应目标，经特征空间最优传输与不动点回归实现。该方法将一步 SANA Sprint 1.6B 的 GenEval 分数从 0.73 提升至 0.80，偏好对齐实验显示其具备跨奖励泛化能力，能兼顾改进与组合能力保留。