dFlowGRPO：离散流模型强化学习框架

1. 12:00
   arXiv：cs.LG

   dFlowGRPO：面向离散流模型的速率感知策略优化

   研究者提出 dFlowGRPO，一个面向离散流模型的统一强化学习框架，支持多种概率路径与非掩码源分布，通过推导完整轨迹概率并将去噪过程建模为马尔可夫决策过程，同时利用条件转移速率和后验模型信息。将该方法应用于多模态离散流模型 FUDOKI 后，其在文生图任务上优于现有面向 dLLM 的 GRPO 类方法，性能与用 Flow-GRPO 训练的连续流模型相当，并在理解任务上表现强劲。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。