针对扩散模型强化学习中的Reward Hacking问题，港科大与快手可灵联合提出GARDO框架。该方法通过门控自适应正则化、动态参考模型更新和多样性感知优化，实现样本效率与生成质量的双重提升。

研究团队在SD3.5-Medium和Flux.1-dev等基底模型上验证，GARDO在OCR、Aesthetic等任务中保持高识别率的同时提升图像质量，在未见过的测试指标上展现强鲁棒性。特别在数数任务中，成功实现生成10个以上物体的涌现能力。

核心创新包括：1）门控KL正则化（仅惩罚不可靠样本） 2）自适应参考模型更新（动态提升优化上限） 3）多样性感知优势重塑（平衡质量与多样性）。该框架为视觉生成领域提供全新解决方案，证明精准控制比强力约束更有效。

实验结果显示，GARDO在样本效率、泛化能力及涌现能力方面均超越Flow-GRPO等基线方法，为扩散模型的强化学习应用提供通用技术框架。