arXiv · Machine Learning· Yingqing Guo, Hui Yuan, Zijian He, Mengdi Wang, Zheng Ding·· 9 小时前AI 评分40
LC-GRPO：通过 Langevin 校正弥合 Flow-based GRPO 的训练与推理差距
LC-GRPO: Bridging Train-Inference Gap for Flow-Based GRPO with Langevin Correction
AI 导读
LC-GRPO为基于流的GRPO引入Langevin校正，以与推理对齐的ODE Euler步后接随机校正，缩小训练与推理差距。实验覆盖SD3.5-Medium、FLUX.1-Dev和HunyuanVideo，在文生图与文生视频任务中改善奖励优化、保持生成质量，并显著缩小随机训练rollout与确定性ODE推理的差距。
来源：arXiv · Machine Learning · arxiv.org