Qwen-Image-2.0-RL Technical Report

Paper: Qwen-Image-2.0-RL Technical Report

Authors: Yixian Xu et al., Qwen Team

arXiv: 2606.27608

Date: 2026.06

Task: Text-to-Image Generation + Image Editing

核心关键词: RLHF / Flow-GRPO / Reward Model / Composite Reward / Hybrid CFG / Reward Hacking / Prompt Curation / On-Policy Distillation / Velocity Matching

1. 一句话总结

Qwen-Image-2.0-RL 的核心思想：

不直接把 T2I 和 Image Editing 混在一起做 RL，而是分别训练两个 task-specific RL teacher，然后通过 On-Policy Distillation（OPD）把两个 teacher 的能力蒸馏回一个统一模型。

整体流程：

Qwen-Image-2.0 Base
        │
        ├──────────────────────┐
        │                      │
        ▼                      ▼
   T2I RL Teacher         Editing RL Teacher
        │                      │
        │                      │
 Alignment Reward         Instruction Reward
 Aesthetic Reward         Face Identity Reward
 Portrait Reward
        │                      │
        └──────────┬───────────┘
                   ▼
          On-Policy Distillation
                   │
                   ▼
          Qwen-Image-2.0-RL

论文最终得到：

• Qwen-Image-Bench：55.23 → 57.84
• T2I Arena Elo：1115 → 1193
• Image Editing Arena Elo：1256 → 1349

其中 T2I Elo +78，Editing Elo +93。

2. 这篇论文到底解决什么问题？

Qwen-Image-2.0 本身已经通过 supervised pretraining 获得了很强的生成能力。

但是：

Supervised diffusion training ≠ human preference optimization

传统 Flow Matching / Diffusion Training 主要优化：

预测正确 velocity
        ↓
MSE / Flow Matching Loss