Arena 提出图像模型后训练复合奖励方案，FLUX.2-dev 提升 69 Elo、Ideogram 4 达 1224

Arena 发布图像模型后训练奖励设计研究，指出人类偏好奖励必要但不充分，可能奖励看似美观但漏细节、加未要求内容或出现 reward-hacking 的输出。