混元開源新方案 MixGRPO：訓練效率大幅提升，性能反而更強

騰訊混元團隊推出圖像生成新框架MixGRPO，通過結合SDE和ODE創新採樣策略，將訓練時間縮短50%，其變體MixGRPO-Flash更降低71%。該框架優化MDP過程，限制智能體探索範圍，在保持性能的同時顯著提升效率。研究採用滑動窗口策略聚焦關鍵去噪步驟，並引入高階求解器加速採樣，使圖像生成質量和多樣性均有提升。相關代碼已開源。