#Flow-GRPO

图像生成做 RL 训练后期老崩？这篇把不稳归到一个能算的量"路径方差"，按预算分配梯度，不用再手调补丁。

这篇论文把Flow-GRPO、AWM、DiffusionNFT几套方法统一到一个框架里，说清了它们差别只是方差缩减，还在SD3.5-M和Qwen-Image上跑赢了之前的方案。