LC-GRPO：用Langevin校正弥合流模型训练推理差距
热点事件观察中
LC-GRPO：用Langevin校正弥合流模型训练推理差距
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Yingqing Guo 等人提出流模型强化学习框架 LC-GRPO，在 GRPO 训练中引入 Langevin 校正，以缩小训练与推理之间的差距。 据该论文，LC-GRPO 每次 rollout 先执行与推理对齐的 ODE Euler 步，再做随机 Langevin 校正；校正所需的 score 直接从流速度恢复，无需额外训练 score 模型。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
LC-GRPO：用 Langevin 校正弥合流模型 GRPO 的训练-推理差距报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.AILC-GRPO：用 Langevin 校正弥合流模型 GRPO 的训练-推理差距
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。
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。