arXiv · AI· Yingqing Guo, Hui Yuan, Zijian He, Mengdi Wang, Zheng Ding·· 1 天前AI 评分33
LC-GRPO：基于朗之万校正弥合流模型训练-推理间隙
LC-GRPO: Bridging Train-Inference Gap for Flow-Based GRPO with Langevin Correction
AI 导读
LC-GRPO 提出流模型 GRPO 框架，通过 ODE 步长加朗之万校正解决训练推理不匹配，显著提升奖励优化。 该方法无需额外分数模型，SD3.5-Medium、FLUX.1-Dev 和 HunyuanVideo 实验显示生成质量保持且训练-推理间隙大幅缩小。 LC-GRPO 在文本到图像和视频任务中实现一致性能提升。
来源：arXiv · AI · arxiv.org