步骤核心动作形象理解Step 1文本编码把你的话翻译成 AI 听得懂的数学指令。Step 2随机噪声准备一块充满了电视雪花点的画布。Step 3反向扩散(最关键)AI 根据指令，一轮轮预测并减去噪点。Step 4潜在解码把处理好的“压缩草稿”放大成高清美图。Step 5时序一致(视频专用) 确保每一帧之间动作连贯，不闪烁。

经过 SFT，模型已经很聪明且听话了。但它可能还不够“好”。有毒：如果你问它“如何制造毒药”，它可能会详细列出化学方程式，因为它在 SFT 阶段被教导要“诚实回答问题”。幻觉：如果不知道答案，它可能会编造一个看起来很像真的答案。缺乏偏好：对于同一首诗，它能写出两个版本，但它不知道哪一个更符合人类的审美。这就引入了后训练阶段，主要包括RLHF（基于人类反馈的强化学习）和最近流行的DPO（直接偏好优化

经过 SFT，模型已经很聪明且听话了。但它可能还不够“好”。有毒：如果你问它“如何制造毒药”，它可能会详细列出化学方程式，因为它在 SFT 阶段被教导要“诚实回答问题”。幻觉：如果不知道答案，它可能会编造一个看起来很像真的答案。缺乏偏好：对于同一首诗，它能写出两个版本，但它不知道哪一个更符合人类的审美。这就引入了后训练阶段，主要包括RLHF（基于人类反馈的强化学习）和最近流行的DPO（直接偏好优化

经过 SFT，模型已经很聪明且听话了。但它可能还不够“好”。有毒：如果你问它“如何制造毒药”，它可能会详细列出化学方程式，因为它在 SFT 阶段被教导要“诚实回答问题”。幻觉：如果不知道答案，它可能会编造一个看起来很像真的答案。缺乏偏好：对于同一首诗，它能写出两个版本，但它不知道哪一个更符合人类的审美。这就引入了后训练阶段，主要包括RLHF（基于人类反馈的强化学习）和最近流行的DPO（直接偏好优化