LC-GRPO框架发布弥合流模型训练推理差距

arXiv最新论文提出LC-GRPO框架，这是一种基于朗之万校正的流模型强化学习生成预训练方案。该框架旨在解决流模型在训练与推理阶段因步长差异导致的策略不匹配问题，通过引入朗之万校正项替代传统的ODE步长计算。 实验验证表明，该方法无需额外训练分数模型即可显著提升奖励优化效果。在SD3.5-Medium、FLUX.1-Dev和HunyuanVideo等主流模型上的测试结果显示，LC-GRPO在保持生成质量的同时，大幅缩小了训练与推理间的性能差距。 目前，该框架已在文本到图像生成及视频生成任务中实现一致的性能提升，证明了其作为一种通用修正机制在流模型强化学习场景下的有效性与泛化能力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。