本研究提出RL4Med-DDPO方法，结合视觉语言基础模型和强化学习，解决医学影像中图像区域与文本描述的对应问题。该方法通过多阶段架构优化语义理解，提高图像生成质量和文本对齐能力，增强疾病分类器在代表性不足亚群体中的性能。

扩散模型与强化学习结合成为新兴方向。DDPO等算法直接优化扩散模型以提升图像质量、药物效果及人类偏好对齐；RGDM、DPOK、SPIN-Diffusion分别用于可控生成、文本到图像微调和模型细化。扩散模型也用于序列决策与规划，如Merlin实现目标导向决策。综述梳理了相关分类、应用与挑战。

本文综述了策略梯度与扩散模型结合的强化学习进展，包括DDPO直接优化扩散模型、GPO遗传策略优化、DGPO多样性策略、DIPO扩散策略表示，以及DDPO3D将策略梯度扩展到3D渲染并改进DreamGaussian等SDS方法。