TreeGRPO: Tree-Advantage GRPO for Online RL Post-Training of Diffusion Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Ding, Zheng, Ye, Weirui |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
BranchGRPO: Stable and Efficient GRPO with Structured Branching in Diffusion Models
par: Li, Yuming, et autres
Publié: (2025)
par: Li, Yuming, et autres
Publié: (2025)
Flow-GRPO: Training Flow Matching Models via Online RL
par: Liu, Jie, et autres
Publié: (2025)
par: Liu, Jie, et autres
Publié: (2025)
Stepwise Credit Assignment for GRPO on Flow-Matching Models
par: Savani, Yash, et autres
Publié: (2026)
par: Savani, Yash, et autres
Publié: (2026)
Delving into RL for Image Generation with CoT: A Study on DPO vs. GRPO
par: Tong, Chengzhuo, et autres
Publié: (2025)
par: Tong, Chengzhuo, et autres
Publié: (2025)
Co-GRPO: Co-Optimized Group Relative Policy Optimization for Masked Diffusion Model
par: Zhou, Renping, et autres
Publié: (2025)
par: Zhou, Renping, et autres
Publié: (2025)
QoQ-Med: Building Multimodal Clinical Foundation Models with Domain-Aware GRPO Training
par: Dai, Wei, et autres
Publié: (2025)
par: Dai, Wei, et autres
Publié: (2025)
Improving Visual Representation Alignment Generation with GRPO
par: Mo, Shentong, et autres
Publié: (2026)
par: Mo, Shentong, et autres
Publié: (2026)
E-GRPO: High Entropy Steps Drive Effective Reinforcement Learning for Flow Models
par: Zhang, Shengjun, et autres
Publié: (2026)
par: Zhang, Shengjun, et autres
Publié: (2026)
S-GRPO: Unified Post-Training for Large Vision-Language Models
par: Yan, Yuming, et autres
Publié: (2026)
par: Yan, Yuming, et autres
Publié: (2026)
GRPO-CARE: Consistency-Aware Reinforcement Learning for Multimodal Reasoning
par: Chen, Yi, et autres
Publié: (2025)
par: Chen, Yi, et autres
Publié: (2025)
AdvantageFlow: Advantage-Weighted Least Squares for RL in Flow Models
par: Kveton, Branislav, et autres
Publié: (2026)
par: Kveton, Branislav, et autres
Publié: (2026)
AlphaGRPO: Unlocking Self-Reflective Multimodal Generation in UMMs via Decompositional Verifiable Reward
par: Huang, Runhui, et autres
Publié: (2026)
par: Huang, Runhui, et autres
Publié: (2026)
MixGRPO: Unlocking Flow-based GRPO Efficiency with Mixed ODE-SDE
par: Li, Junzhe, et autres
Publié: (2025)
par: Li, Junzhe, et autres
Publié: (2025)
LVRPO: Language-Visual Alignment with GRPO for Multimodal Understanding and Generation
par: Mo, Shentong, et autres
Publié: (2026)
par: Mo, Shentong, et autres
Publié: (2026)
GRPO-RM: Fine-Tuning Representation Models via GRPO-Driven Reinforcement Learning
par: Xu, Yanchen, et autres
Publié: (2025)
par: Xu, Yanchen, et autres
Publié: (2025)
DiverseGRPO: Mitigating Mode Collapse in Image Generation via Diversity-Aware GRPO
par: Liu, Henglin, et autres
Publié: (2025)
par: Liu, Henglin, et autres
Publié: (2025)
Precise: SDE-Consistent Stochastic Sampling for RL Post-Training of Flow-Matching Models
par: Zou, Jade, et autres
Publié: (2026)
par: Zou, Jade, et autres
Publié: (2026)
Pixel-Space Post-Training of Latent Diffusion Models
par: Zhang, Christina, et autres
Publié: (2024)
par: Zhang, Christina, et autres
Publié: (2024)
Autoguided Online Data Curation for Diffusion Model Training
par: Pais, Valeria, et autres
Publié: (2025)
par: Pais, Valeria, et autres
Publié: (2025)
DMQ: Dissecting Outliers of Diffusion Models for Post-Training Quantization
par: Lee, Dongyeun, et autres
Publié: (2025)
par: Lee, Dongyeun, et autres
Publié: (2025)
GRPO-TTA: Test-Time Visual Tuning for Vision-Language Models via GRPO-Driven Reinforcement Learning
par: Li, Yujun, et autres
Publié: (2026)
par: Li, Yujun, et autres
Publié: (2026)
DiffusionNFT: Online Diffusion Reinforcement with Forward Process
par: Zheng, Kaiwen, et autres
Publié: (2025)
par: Zheng, Kaiwen, et autres
Publié: (2025)
When Rubrics Fail: Error Enumeration as Reward in Reference-Free RL Post-Training for Virtual Try-On
par: Ikezogwo, Wisdom, et autres
Publié: (2026)
par: Ikezogwo, Wisdom, et autres
Publié: (2026)
SPIE: Semantic and Structural Post-Training of Image Editing Diffusion Models with AI feedback
par: Benarous, Elior, et autres
Publié: (2025)
par: Benarous, Elior, et autres
Publié: (2025)
Finite Difference Flow Optimization for RL Post-Training of Text-to-Image Models
par: McAllister, David, et autres
Publié: (2026)
par: McAllister, David, et autres
Publié: (2026)
Fast Training of Diffusion Models with Masked Transformers
par: Zheng, Hongkai, et autres
Publié: (2023)
par: Zheng, Hongkai, et autres
Publié: (2023)
Diffusion Adversarial Post-Training for One-Step Video Generation
par: Lin, Shanchuan, et autres
Publié: (2025)
par: Lin, Shanchuan, et autres
Publié: (2025)
V-GRPO: Online Reinforcement Learning for Denoising Generative Models Is Easier than You Think
par: Tang, Bingda, et autres
Publié: (2026)
par: Tang, Bingda, et autres
Publié: (2026)
Dr. Seg: Revisiting GRPO Training for Visual Large Language Models through Perception-Oriented Design
par: Sun, Haoxiang, et autres
Publié: (2026)
par: Sun, Haoxiang, et autres
Publié: (2026)
SFT Memorizes, RL Generalizes: A Comparative Study of Foundation Model Post-training
par: Chu, Tianzhe, et autres
Publié: (2025)
par: Chu, Tianzhe, et autres
Publié: (2025)
Diff-Instruct with Diffused Reward: Towards Principled One-step Generator RL
par: Wu, Junyi, et autres
Publié: (2026)
par: Wu, Junyi, et autres
Publié: (2026)
Fine-Grained GRPO for Precise Preference Alignment in Flow Models
par: Zhou, Yujie, et autres
Publié: (2025)
par: Zhou, Yujie, et autres
Publié: (2025)
UDM-GRPO: Stable and Efficient Group Relative Policy Optimization for Uniform Discrete Diffusion Models
par: Wang, Jiaqi, et autres
Publié: (2026)
par: Wang, Jiaqi, et autres
Publié: (2026)
Active-O3: Empowering Multimodal Large Language Models with Active Perception via GRPO
par: Zhu, Muzhi, et autres
Publié: (2025)
par: Zhu, Muzhi, et autres
Publié: (2025)
Diffusion Models as Optimizers for Efficient Planning in Offline RL
par: Huang, Renming, et autres
Publié: (2024)
par: Huang, Renming, et autres
Publié: (2024)
Expand and Prune: Maximizing Trajectory Diversity for Effective GRPO in Generative Models
par: Ge, Shiran, et autres
Publié: (2025)
par: Ge, Shiran, et autres
Publié: (2025)
VideoGuide: Improving Video Diffusion Models without Training Through a Teacher's Guide
par: Lee, Dohun, et autres
Publié: (2024)
par: Lee, Dohun, et autres
Publié: (2024)
Training Diffusion Models with Reinforcement Learning
par: Black, Kevin, et autres
Publié: (2023)
par: Black, Kevin, et autres
Publié: (2023)
Fast-Slow Thinking GRPO for Large Vision-Language Model Reasoning
par: Xiao, Wenyi, et autres
Publié: (2025)
par: Xiao, Wenyi, et autres
Publié: (2025)
Re-ranking Reasoning Context with Tree Search Makes Large Vision-Language Models Stronger
par: Yang, Qi, et autres
Publié: (2025)
par: Yang, Qi, et autres
Publié: (2025)
Documents similaires
-
BranchGRPO: Stable and Efficient GRPO with Structured Branching in Diffusion Models
par: Li, Yuming, et autres
Publié: (2025) -
Flow-GRPO: Training Flow Matching Models via Online RL
par: Liu, Jie, et autres
Publié: (2025) -
Stepwise Credit Assignment for GRPO on Flow-Matching Models
par: Savani, Yash, et autres
Publié: (2026) -
Delving into RL for Image Generation with CoT: A Study on DPO vs. GRPO
par: Tong, Chengzhuo, et autres
Publié: (2025) -
Co-GRPO: Co-Optimized Group Relative Policy Optimization for Masked Diffusion Model
par: Zhou, Renping, et autres
Publié: (2025)