小红书内容智能与生成组 AIGC 算法团队的 DeCoRL 论文入选 NeurIPS 2026，这是一套基于分解一致性强化学习的多图合成算法，专门解决多参考图合成时，参考图越多、物体身份、外观一致性越容易崩坏的行业痛点，传统监督微调 SFT 只能给整张合成图做隐式监督，很难在多个参考图之间建立稳定的物体对应关系，经常出现同一个物体换脸、变形、特征丢失。DeCoRL 思路是把整张图的一致性拆解到单个物体层面，先在多张参考图里找到和指令相关的对应物体，定位生成图里对应的区域，再用经过单物体一致性标注训练的 VLM 奖励模型，输出细粒度的物体级反馈，汇总成多目标一致性奖励，用来做强化学习后训练。团队还配套搭建了 DeCo-Bench 评测基准，覆盖 2 到 6 张参考图的合成场景，在 DeCo-Bench 和公开 MICo-Bench 上测试，多图合成一致性指标相比基线有明显提升，适合小红书笔记拼图、多素材融合、商品图组合生成这类业务场景。
DeCoRL 核心技术流程
| 步骤 | 说明 |
|---|---|
| 1. 跨参考图物体匹配 | 根据用户指令，在多张参考图之间建立物体对应关系，锁定目标物体 |
| 2. 生成图区域定位 | 在模型输出的合成图中定位对应物体区域，做局部对齐 |
| 3. VLM 奖励模型打分 | 用单物体一致性标注训练的 VLM，对每个物体单独给一致性反馈 |
| 4. 奖励聚合 | 把多个物体的打分合并成统一多目标一致性奖励 |
| 5. 强化学习后训练 | 用聚合奖励微调生成模型，提升多图合成稳定性 |
DeCoRL 与传统方案对比
- 传统 SFT 监督微调：只对整张合成图像做全局损失，缺少物体层面显式约束，参考图数量增加后一致性快速下滑
- DeCoRL：拆解到物体粒度，局部显式约束，参考图从 2 张增加到 6 张，一致性衰减幅度更小
- 评测基准：新增 DeCo-Bench，专门针对多图合成任务，填补多参考图场景评测数据集不足的问题
落地适配场景清单
- 小红书笔记素材合成：多张参考图里的穿搭、饰品、场景元素融合到一张图
- 电商商品图组合生成：多件商品素材合成，保证商品外观、细节不跑偏
- 创意拼贴类 AIGC：多素材融合、故事类连续画面生成
- 图像编辑与重绘：多参考图驱动的局部编辑，保留物体身份特征
现存局限
- 依赖 VLM 奖励模型的识别精度，物体形态复杂、遮挡严重时，奖励信号会变差
- 参考图数量继续增加到 6 张以上，依然会出现一致性下降，只是比原有方案好很多
- 目前主要聚焦物体一致性，光影、透视、风格统一还需要额外模块配合
【相关 FAQ】
问题 1：NeurIPS 2026｜小红书内容智能与生成组 AIGC 算法团队提出 DeCoRL，多图合成一致性优化新方案，DeCoRL 是什么？
回答 1：NeurIPS 2026｜小红书内容智能与生成组 AIGC 算法团队提出 DeCoRL，多图合成一致性优化新方案，DeCoRL 全称 Decomposed Consistency Reinforcement Learning，是分解一致性强化学习框架，用来优化多参考图合成时物体一致性。
问题 2：NeurIPS 2026｜小红书内容智能与生成组 AIGC 算法团队提出 DeCoRL，多图合成一致性优化新方案，DeCoRL 主要解决什么痛点？
回答 2：NeurIPS 2026｜小红书内容智能与生成组 AIGC 算法团队提出 DeCoRL，多图合成一致性优化新方案，主要解决多图合成任务里，参考图越多，物体身份、外观一致性越容易崩坏，传统 SFT 缺少物体级显式监督的问题。
问题 3：NeurIPS 2026｜小红书内容智能与生成组 AIGC 算法团队提出 DeCoRL，多图合成一致性优化新方案，DeCo-Bench 是什么？
回答 3：NeurIPS 2026｜小红书内容智能与生成组 AIGC 算法团队提出 DeCoRL，多图合成一致性优化新方案，DeCo-Bench 是团队配套构建的评测基准，覆盖 2 至 6 张参考图的多图合成案例，用来量化评估模型一致性。
问题 4：NeurIPS 2026｜小红书内容智能与生成组 AIGC 算法团队提出 DeCoRL，多图合成一致性优化新方案，DeCoRL 适合哪些业务场景？
回答 4：NeurIPS 2026｜小红书内容智能与生成组 AIGC 算法团队提出 DeCoRL，多图合成一致性优化新方案，适合小红书笔记素材融合、电商多商品合成、多素材创意拼贴、多参考图驱动图像编辑等场景。
【参考资料】
[2026-10-29]（DeCoRL: Decomposed Consistency Reinforcement Learning for Multi-Image Composition）arXiv
[2026-11-01]（小红书 DeCoRL 入选 NeurIPS 2026，聚焦多图合成一致性）机器之心
[2026-11-02]（NeurIPS 2026 论文速递：小红书 DeCoRL 多图合成算法解读）AI 科技评论
[2026-11-03]（小红书 AIGC 团队 DeCoRL，面向内容平台多素材图像生成）36 氪
【免责声明】
以上资讯仅为学术论文信息整理，不构成技术选型或者产品落地承诺；DeCoRL 现阶段为学术研究方案，线上产品落地版本、效果以小红书官方后续发布为准；论文实验效果基于指定评测集，不同模型底座、素材场景下效果存在差异。