TreeGRPO: 用于扩散模型在线RL后训练的树优势GRPO

本文介绍了TreeGRPO，一种用于扩散模型在线强化学习（RL）后训练的方法。重点是使用RL技术在初始训练后提高扩散模型的性能。“Tree-Advantage”的使用表明了在GRPO框架内一种特定的优势估计方法，可能旨在提高样本效率或稳定性。来源是ArXiv，表明这是一篇研究论文，可能详细介绍了所提出的TreeGRPO算法的方法、实验和结果。

• •TreeGRPO是一种用于扩散模型在线RL后训练的方法。
• •它在GRPO框架内使用了“Tree-Advantage”方法。
• •该研究旨在通过RL在初始训练后提高扩散模型的性能。