Geo-FSRL：少步流模型强化学习策略几何优化

Zhuguanyu Wu等作者提出少步流模型强化学习策略几何优化方法Geo-FSRL。该方法在固定条件状态和时间步对下，选择使给定非零速度输出更新所诱导的条件KL散度最小的可行策略；在保持系数的各向同性高斯转移族内得到唯一闭式解，并配合梯度尺度匹配推导出策略梯度与KL权重。 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与Flow-CPS；训练沿用原始少步调度，推理保留确定性求解器。代码已公开。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。