LC-GRPO以朗之万修正缩小训练推理差距
热点事件持续更新
LC-GRPO以朗之万修正缩小训练推理差距
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Yingqing Guo等人提出LC-GRPO，在流模型GRPO训练中于ODE Euler步后加入朗之万随机校正；在SD3.5-Medium、FLUX.1-Dev和HunyuanVideo的文生图与文生视频实验中，该方法改善奖励优化、保持生成质量，并缩小随机训练与确定性ODE推理之间的差距。
AI 根据报道生成 · 57 分钟前更新
最新进展10月28日 12:00
LC-GRPO：通过 Langevin 校正弥合 Flow-based GRPO 的训练与推理差距报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningLC-GRPO：通过 Langevin 校正弥合 Flow-based GRPO 的训练与推理差距
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。