PulseAugur
中
实时 10:41:31
English(EN) LC-GRPO: Bridging Train-Inference Gap for Flow-Based GRPO with Langevin Correction

LC-GRPO框架弥合了基于流的生成模型中的训练-推理鸿沟

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的基于流的生成模型框架LC-GRPO，该框架解决了训练和推理采样之间的差异。通过在ODE欧拉步后加入Langevin校正步，LC-GRPO旨在减少Wasserstein误差并提高随机训练滚动的准确性。该方法在包括SD3.5-Medium、FLUX.1-Dev和HunyuanVideo等模型在内的各种文本到图像和文本到视频任务中，在奖励优化和生成质量方面均取得了持续改进。 AI

影响 提高了生成模型中训练-推理的一致性，有望增强多模态任务中的样本质量和奖励优化。

排序理由 该集群包含一篇详细介绍基于流的生成模型新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LC-GRPO框架弥合了基于流的生成模型中的训练-推理鸿沟

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yingqing Guo, Hui Yuan, Zijian He, Mengdi Wang, Zheng Ding ·

    LC-GRPO：利用Langevin校正弥合基于流的GRPO的训练-推理鸿沟

    arXiv:2608.05600v1 Announce Type: cross Abstract: Flow-based generative models are typically sampled by solving a deterministic ordinary differential equation (ODE), whereas online reinforcement learning requires stochastic rollouts for policy exploration and optimization. Existi…

相关实体

相关话题