SDE-采样

面向流匹配模型 GRPO 的逐步信用分配

Stepwise Credit Assignment for GRPO on Flow-Matching Models

把扩散/流匹配的采样步按「低频结构 vs 高频细节」分层做信用分配，可直接迁移到任何用 GRPO/RLHF 微调图像或视频生成模型的后训练流程，提升样本效率与收敛速度。