AlphaGRPO

AlphaGRPO框架通过自反思提升多模态AI生成能力

研究人员推出AlphaGRPO，一个旨在改进统一多模态模型（UMMs）中多模态生成的新框架。该方法使用组相对策略优化（GRPO）使模型能够执行高级推理任务，例如推断文本到图像生成的用户意图并自我纠正输出。为了提供更好的监督，AlphaGRPO引入了一个分解可验证奖励（DVReward）系统，该系统将用户请求分解为由通用多模态大语言模型（MLLM）评估的可验证问题。实验表明，AlphaGRPO在各种多模态生成和编辑基准测试中显著提高了性能。