IXThinker·2026-01-26 11:00

清華熵感知框架提升強化學習效率

清華大學團隊針對流模型強化學習中獎勵稀疏、歸因模糊的核心痛點，提出熵感知的E-GRPO框架，透過合併低熵步驟、聚焦高熵探索提升優化效率，在單獎勵與多獎勵場景均取得領先表現。

痛點所在

近年擴散模型與流匹配模型令視覺生成質量大幅躍升，但引入人類偏好對齊時，面臨獎勵信號稀疏、各步驟貢獻難以準確歸因的困境，訓練效率長期受限。