研究者提出Geo-FSRL少步流模型强化学习方法

Zhuguanyu Wu等作者提出Geo-FSRL少步流模型强化学习方法。该方法基于一个选择原则：在固定条件状态和时间步对下，选择使任意非零速度输出更新所诱导的条件KL散度最小的可行策略；作者据此在各向同性高斯转移族中推导出唯一闭式最优策略，并给出闭式策略梯度与KL权重。 Geo-FSRL在原始少步调度上训练，推理时保留确定性求解器。作者称，在4步设置下，该方法在图像和视频生成模型上的最终奖励分数均高于Flow-GRPO和Flow-CPS。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。