arXiv · cs.AI · Zhuguanyu Wu, Congjia Chen, Ruihao Gong, Yang Yong, Shiqiao Gu, Yi Xu, Xianglong Liu · 12 小时前模型评分36
Geo-FSRL：优化少步流模型强化学习的随机策略几何
Optimizing Stochastic Policy Geometry for Few-Step Flow Reinforcement Learning
导读
研究提出 Geo-FSRL（Geometry-Optimized Few-Step Reinforcement Learning），通过最小化条件 KL 散度对应的单一几何因子，在保持系数的各向同性高斯转移族中推导出唯一闭式最优策略。该方法在 4 步设置下训练图像与视频生成模型，最终奖励分数高于 Flow-GRPO 和 Flow-CPS，推理时仍保留确定性求解器。代码已公开。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce Geo-FSRL (Geometry-Optimized Few-Step Reinforcement Learning), built on a selection principle: at a fixed conditioning state and timestep pair, choose the admissible policy that minimizes the conditional KL divergence induced by any given nonzero velocity-output update.”
来源：arXiv · cs.AI · arxiv.org