研究人员推出了一种新颖的强化学习框架 dFlowGRPO，专为离散流模型设计。这类生成模型包括扩散大型语言模型 (dLLMs)。该框架通过将去噪过程公式化为马尔可夫决策过程，统一了强化学习在更广泛的离散流模型中的应用。当应用于 FUDOKI 多模态离散流模型时，dFlowGRPO 在文本到图像生成方面表现出优于现有 dLLMs 的 GRPO 方法，并取得了与连续流模型相媲美的结果。 AI
影响 这个新框架有望提高离散数据的生成能力，可能增强文本到图像生成和多模态理解任务。
排序理由 该集群包含一篇详细介绍离散流模型新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- dFlowGRPO
- Diffusion Large Language Models
- Discrete flow models
- FUDOKI
- reinforcement learning
- Zhengyan Wang
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
