Zhengyan Wang

新的强化学习框架增强了用于图像生成的离散流模型

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。