LC-GRPO：用Langevin校正弥合流模型训练与推理差距
热点事件持续更新
LC-GRPO：用Langevin校正弥合流模型训练与推理差距
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Yingqing Guo等作者提出基于流模型的GRPO框架LC-GRPO，试图弥合流模型在强化学习训练与推理之间的差距。据其描述，该框架在每次rollout中先执行与推理对齐的ODE Euler步，再做一次随机Langevin校正，所需的score直接从流速度恢复，无需额外训练score模型。 目前公开信息仅为方法层面的提出，尚未见实验效果或与其他方法的对比结果。
AI 根据报道生成 · 2 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，再做一次随机 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。