TurningPoint-GRPO

新的GRPO框架通过改进的奖励建模增强文本到图像生成

研究人员推出了一种新颖的框架TurningPoint-GRPO (TP-GRPO)，旨在提高使用流匹配的文本到图像生成模型中来自人类反馈的强化学习（RLHF）的有效性。TP-GRPO通过实现逐步增量奖励来解决稀疏奖励问题，为每个去噪步骤提供更精细的学习信号。此外，它还识别并为影响后续轨迹趋势的特定“转折点”步骤分配聚合的长期奖励，从而捕捉延迟影响。