AGI Hunt· UTEXAS·· 3 小时前AI 评分42
UT Austin 团队提出 MEND：近端速度匹配强化学习，100 步训练超越 Flow-GRPO 约 4000 步
MEND:近端速度匹配强化学习,100 步训练超越 Flow-GRPO 约 4000 步
AI 导读
UT Austin 团队提出基于近端速度匹配的流模型奖励后训练方法 MEND，仅 100 步更新便在 6 个评估器中的 5 个上超越需约 4000 步的 Flow-GRPO。
来源：AGI Hunt · agihunt.info