Intrinsic Reward

问题的根源在于，现有方法把“去噪步数”当作一个固定常数，而不是一个应该根据提示复杂度动态调整的变量。简单的提示，比如“一只猫”，可能二十步就够了；复杂的提示，比如“一只戴着墨镜的橘猫坐在红色沙发上”，才需要更多步数。PAST的核心洞察就是：让模型学会“适可而止”，根据提示的复杂度和去噪的实时进度，自适应地决定何时终止当前回合。