腾讯的混元基础模型团队近日发布了一项突破性的图像生成新框架 MixGRPO。
这一方案不仅将训练时间缩短了近50%，而且在性能上表现优异，甚至推出了一个名为 MixGRPO-Flash 的变体，进一步将训练时间降低了71%。这一切，得益于他们将随机微分方程（SDE）和常微分方程(ODE)相结合的创新采样策略。
在当前的图像生成技术中，效率与质量常常是一对矛盾的存在。MixGRPO 通过引入混合采样的方法，优化了马尔可夫决策过程（MDP），使得训练效率得到了显著提升。具体而言，该框架通过限制智能体的随机探索范围，减少了优化过程中的计算开销，同时简化了模型的训练流程。
与之前的 DanceGRPO 模型相比，MixGRPO 在多个维度上都表现出显著的改善。研究团队在实验证明了，只需对特定的去噪步骤进行优化，就能够保持甚至提升性能。研究还指出，虽然 MixGRPO 在减少训练时间的同时降低了计算开销，但也需要高阶求解器的引入，以加速旧策略模型的采样。
此外，MixGRPO 采用了滑动窗口的策略，让模型能够在去噪的过程中逐渐聚焦于更关键的时间步，从而实现了更高效的优化。这一创新使得模型在图像生成的多样性和质量上都有了不小的进步。
评论删除后，数据将无法恢复
腾讯混元开源图像生成新框架 MixGRPO
腾讯的混元基础模型团队近日发布了一项突破性的图像生成新框架 MixGRPO。
这一方案不仅将训练时间缩短了近50%，而且在性能上表现优异，甚至推出了一个名为 MixGRPO-Flash 的变体，进一步将训练时间降低了71%。这一切，得益于他们将随机微分方程（SDE）和常微分方程(ODE)相结合的创新采样策略。
在当前的图像生成技术中，效率与质量常常是一对矛盾的存在。MixGRPO 通过引入混合采样的方法，优化了马尔可夫决策过程（MDP），使得训练效率得到了显著提升。具体而言，该框架通过限制智能体的随机探索范围，减少了优化过程中的计算开销，同时简化了模型的训练流程。
与之前的 DanceGRPO 模型相比，MixGRPO 在多个维度上都表现出显著的改善。研究团队在实验证明了，只需对特定的去噪步骤进行优化，就能够保持甚至提升性能。研究还指出，虽然 MixGRPO 在减少训练时间的同时降低了计算开销，但也需要高阶求解器的引入，以加速旧策略模型的采样。
此外，MixGRPO 采用了滑动窗口的策略，让模型能够在去噪的过程中逐渐聚焦于更关键的时间步，从而实现了更高效的优化。这一创新使得模型在图像生成的多样性和质量上都有了不小的进步。