IXThinker·2025-08-03 20:12

騰訊混元開源MixGRPO訓練時間減半

圖像生成不光要好看，更要高效。騰訊混元基礎模型團隊提出全新強化學習框架MixGRPO，通過混合採樣策略簡化優化流程，在提升圖像生成質量的同時大幅縮短訓練時間，開源代碼一併公布。

技術方案

MixGRPO結合隨機微分方程（SDE）與常微分方程（ODE），利用混合採樣策略的靈活性，簡化了MDP中的優化流程，從而同時提升效率與性能，讓人類偏好對齊在多個維度上顯著改善。