AdaGRPO

新的 AdaGRPO 算法增强了文本到图像模型的对齐能力

研究人员推出了一种名为 AdaGRPO 的新型强化学习算法，旨在提高文本到图像模型与人类偏好的对齐程度。该方法通过动态选择与模型当前学习能力相匹配的提示，并整合细粒度和全局优势估计以实现更准确的策略评估，从而解决了现有 GRPO 技术中的局限性。AdaGRPO 被呈现为一个灵活的即插即用模块，可以增强现有的 GRPO 框架，实验表明它可以稳定训练并提高性能。