混元开源新方案 MixGRPO：训练效率大幅提升，性能反而更强

腾讯混元团队推出图像生成新框架MixGRPO，通过结合SDE和ODE创新采样策略，将训练时间缩短50%，其变体MixGRPO-Flash更降低71%。该框架优化MDP过程，限制智能体探索范围，在保持性能的同时显著提升效率。研究采用滑动窗口策略聚焦关键去噪步骤，并引入高阶求解器加速采样，使图像生成质量和多样性均有提升。相关代码已开源。