混元基础模型团队 投稿 量子位 | 公众号 QbitAI 图像生成不光要好看，更要高效。 混元基础模型团队提出全新框架 MixGRPO ，该框架通过结合随机微分方程（SDE）和常微分方程（ODE），利用混合采样策略的灵活性， 简化了MDP中的优化流程，从而提升了效率的同时还增强了性能。 基于MixGRPO，研究人员提出了一个更快的变体 MixGRPO-Flash ，在保持相近性能的同时进一步提升了训练效率。 MixGRPO在人类偏好对齐的多个维度上均表现出显著提升，效果和效率均优于DanceGRPO， 训练时间降低近50% 。值得注意的是， MixGRPO-Flash可将 训练时间进一步降低71% 。 | Method | NFETe | NFET | Iteration Time (s)J | | | Human Preference Alignment | | | --- | --- | --- | --- | --- | --- | --- | --- | | | | | | HPS-v2.1↑ | Pick Score↑ | ImageReward↑ | Unified Reward↑ | | FLU ...