arXiv · cs.AI· Yingqing Guo, Hui Yuan, Zijian He, Mengdi Wang, Zheng Ding·· 1 天前
LC-GRPO：用 Langevin 校正弥合流模型 GRPO 的训练-推理差距
LC-GRPO: Bridging Train-Inference Gap for Flow-Based GRPO with Langevin Correction
AI 导读
LC-GRPO 提出一种带 Langevin 校正的流模型 GRPO 框架，每次 rollout 先走与推理对齐的 ODE Euler 步，再做随机 Langevin 校正，所需 score 直接从流速度恢复，无需额外 score 模型。
来源：arXiv · cs.AI · arxiv.org