doob-h-function

本文解释了奖励引导的流模型和扩散模型中奖励作弊的根本原因，将其归因于Doob h函数的有限粒子插件估计，并提出了一种奖励阻尼调度方案，在不增加计算成本的情况下校正模态内偏差。