随机微分方程采样

细粒度 GRPO：面向流模型的精确偏好对齐

Fine-Grained GRPO for Precise Preference Alignment in Flow Models

把 GRPO 式在线 RL 的信用分配细化到单步 SDE 扰动，并跨多个扩散尺度聚合优势，可直接迁移到任何 flow/diffusion 模型的偏好对齐与奖励微调流程中。