轨迹剪枝

扩展与剪枝：最大化轨迹多样性以实现生成模型中有效的 GRPO

Expand and Prune: Maximizing Trajectory Diversity for Effective GRPO in Generative Models

Pro-GRPO 将基于潜变量的轨迹剪枝嵌入采样过程，通过提前终止奖励聚集的轨迹来降低计算开销，使大 group size 的 GRPO 训练在扩散/流模型中变得可行；其 Expand-and-Prune 策略可直接用于视觉生成模型的强化学习对齐。