潜在奖励模型（LRM）通过在潜在空间直接为视频扩散模型的中间状态打分，实现了高效对齐。然而，固定奖励模型的优化会迅速导致潜在奖励攻击：模型的预测奖励保持高位，但感知质量和运动连贯性急剧下降。
我们分析发现，核心原因是分布逃逸（distributional escape）。在数百次更新后，生成器的输出已超出奖励模型的训练支持范围，此时奖励分数不再反映真实视频质量。
基于此认识，提出 CoRe 框架，将潜在空间对齐视为生成器与奖励模型的动态交互。CoRe 不再针对静态代理进行优化，而是持续在生成器当前样本上重新拟合奖励模型，并将其锚定到真实视频偏好上，防止生成器通过偏离数据分布来获取高奖励。
在 Wan2.1‑T2V‑1.3B 上的实验表明，CoRe 相较于预训练模型和已有对齐方法，能够持续提升生成质量，同时避免固定奖励优化导致的质量崩塌。
点评：CoRe 通过让奖励模型随生成器共同演化，有效抑制了分布漂移带来的奖励欺骗，为视频生成对齐提供了更稳健的路径。