MixGRPO
MixGRPO 是一款由腾讯混元与北京大学联合开源的先进算法工具，旨在显著提升基于流模型（Flow-based Models）的图像生成效率与质量。它主要解决了当前利用强化学习（如 GRPO）微调文生图模型时，采样过程计算成本高、收敛速度慢的痛点。
该工具的核心技术亮点在于创新性地提出了“混合常微分方程 - 随机微分方程”（Mixed ODE-SDE）策略。传统的流模型训练通常依赖单一的确定性或随机性路径，而 MixGRPO 巧妙地将两者结合：在保持生成结果多样性的同时，大幅降低了采样所需的步数，从而解锁了更高的训练与推理效率。此外，项目近期还引入了“系数保持采样”（CPS）技术，进一步提升了采样的理论严谨性与视觉效果。
MixGRPO 特别适合从事 AI 图像生成研究的研究人员、希望优化模型性能的算法工程师，以及需要高效微调大规模扩散模型的开发团队。它基于强大的 FLUX.1 架构，并支持 HPSv2、ImageReward 等多种奖励模型进行多目标优化。对于想要探索下一代高效强化学习对齐技术，或在有限算力下追求更高生成质量的专业用户而言，MixGRPO 提供了一个极具价值的开源解决方案。
使用场景
某 AIGC 广告公司设计团队正利用 FLUX.1 模型批量生成高精度电商产品图，急需通过强化学习对齐人类审美偏好以提升转化率。
没有 MixGRPO 时
- 训练效率低下：传统基于流（Flow-based）的 GRPO 方法在采样过程中计算开销巨大，导致单次微调迭代耗时过长，难以快速验证创意。
- 生成质量不稳定：仅依赖确定性常微分方程（ODE）采样，生成的图像细节容易僵化，缺乏自然纹理，且在复杂光影下容易出现伪影。
- 多奖励难以平衡：同时优化 HPSv2（美学）、ImageReward（语义）和 Pick Score（偏好）等多个奖励模型时，收敛困难，常出现“顾此失彼”的现象。
- 资源成本高昂：为了获得可用结果，团队不得不投入大量 GPU 算力进行长时间试错，显著推高了项目预算。
使用 MixGRPO 后
- 采样效率飞跃：MixGRPO 创新性地混合了 ODE 与随机微分方程（SDE），在保持生成质量的同时大幅减少了采样步数，将微调迭代速度提升了数倍。
- 图像质感升级：引入 SDE 的随机性注入了更自然的噪点与纹理，使产品图的材质光泽和光影过渡更加逼真，有效消除了人工痕迹。
- 多目标完美协同：该算法能更稳健地同时优化多个奖励信号，生成的图片既符合美学标准，又精准匹配文案描述，且高度契合用户偏好。
- 算力成本骤降：凭借更高的收敛效率，团队在更少的显卡机时内即可产出商用级模型，显著降低了研发门槛与运营成本。
MixGRPO 通过混合微分方程策略，成功打破了流模型强化学习的效率瓶颈，让高质量、低成本的定制化图像生成成为现实。
运行环境要求
- Linux
需要 NVIDIA GPU，训练默认配置为 4 节点共 32 卡（每节点 8 卡），推理需支持 CUDA 的设备
未说明
快速开始
MixGRPO：利用混合ODE-SDE解鎖基於流的GRPO效率
📝 新闻
- [2026/02/03] 我们支持了系数保持采样（CPS），作為標準SDE采樣的一種更為原則性的替代方案。使用CPS的比較表格和增強的可視化結果已在論文中更新！
- [2025/10/02] 我們已在論文中更新了與SD3.5-M LoRA上的Flow-GRPO、Flow-DPO（離線）和Flow-DPO（在線）的比較及可視化結果！
- [2025/7/30] 我們發布了基於[MixGRPO算法]微調的模型檢查點，該算法使用了FLUX.1 Dev，並以HPSv2、ImageReward和Pick Score作為多獎勵！
- [2025/7/30] 我們發布了論文和代碼！
🚀 快速入門
安裝
1. 環境設置
conda create -n MixGRPO python=3.12
conda activate MixGRPO
2. 安裝依賴
sudo yum install -y pdsh pssh mesa-libGL # centos
bash env_setup.sh
環境依賴基本與DanceGRPO相同。
準備模型
1. FLUX
將FLUX的HuggingFace倉庫下載到"./data/flux"。
mkdir ./data/flux
huggingface-cli login
huggingface-cli download --resume-download black-forest-labs/FLUX.1-dev --local-dir ./data/flux
2. 奖励模型
HPS-v2.1
下載有HPSv2的代碼。
git clone https://github.com/tgxs002/HPSv2.git
將"HPS_v2.1_compressed.pt"和"open_clip_model.safetensors"下載到"./hps_ckpt"。
mkdir hps_ckpt
huggingface-cli login
huggingface-cli download --resume-download xswu/HPSv2 HPS_v2.1_compressed.pt --local-dir ./hps_ckpt/
huggingface-cli download --resume-download laion/CLIP-ViT-H-14-laion2B-s32B-b79K open_clip_pytorch_model.bin --local-dir ./hps_ckpt/
Pick Score
運行演示代碼，自動下載到"~/.cache/huggingface"：
python fastvideo/models/reward_model/pick_score.py \
--device cuda \
--http_proxy <Your HTTP_PROXY> \ # 默认为None
--https_proxy <Your HTTPS_PROXY> # 默认为None
ImageReward
將"ImageReward.pt"和"med_config.json"下載到"./image_reward_ckpt"。
huggingface-cli login
huggingface-cli download --resume-download THUDM/ImageReward med_config.json --local-dir ./image_reward_ckpt/
huggingface-cli download --resume-download THUDM/ImageReward ImageReward.pt --local-dir ./image_reward_ckpt/
CLIP Score
運行演示代碼，自動下載到"~/.cache/huggingface"：
python fastvideo/models/reward_model/clip_score.py \
--device cuda \
--http_proxy <Your HTTP_PROXY> \ # 默认为None
--https_proxy <Your HTTPS_PROXY> # 默认为None
預處理數據
調整"./scripts/preprocess/preprocess_flux_rl_embeddings.sh"中的prompt_path參數，以獲取提示數據集的嵌入。
bash scripts/preprocess/preprocess_flux_rl_embeddings.sh
運行訓練
訓練數據集是HPDv2中的訓練提示，如"./data/prompts.txt"所示。
我們使用pdsh命令配合torchrun進行多節點訓練。默認資源配置為4個節點，每個節點配備8張GPU，共計32張GPU。
首先，在data/hosts/hostfile中設置您的多節點IP地址。
然後，運行以下腳本，分別在每個節點上設置環境變量INDEX_CUSTOM為0、1、2和3。
bash scripts/preprocess/set_env_multinode.sh
接下來，在"./scripts/finetune/finetune_flux_grpo_FastGRPO.sh"中將wandb_key設置為您的Weights & Biases（WandB）密鑰。
最後，運行以下訓練腳本：
bash scripts/finetune/finetune_flux_grpo_FastGRPO.sh
運行推理
測試數據集同樣是HPDv2中的測試提示，如"./data/prompts_test.txt"所示。
首先，您需要將MixGRPO模型權重"diffusion_pytorch_model.safetensors"下載到"./mix_grpo_ckpt"目錄。
mkdir mix_grpo_ckpt
huggingface-cli login
huggingface-cli download --resume-download tulvgengenr/MixGRPO diffusion_pytorch_model.safetensors --local-dir ./mix_grpo_ckpt/
然後，調整scripts/inference/inference_flux.sh中的輸入參數（目前設為預設值），再執行單節點腳本。
bash scripts/inference/inference_flux.sh
運行評估
在scripts/evaluate/eval_reward.sh中，將prompt_file設置為推理過程中生成的JSON文件路徑，然後運行以下單節點腳本。
bash scripts/evaluate/eval_reward.sh
🤝 致谢
我们对以下 GitHub 仓库深表感谢，它们宝贵的代码和努力对我们帮助极大：
✏️ 引用
许可证
MixGRPO 根据 MixGRPO 的许可条款进行授权。更多详情请参阅 ./License.txt。
Bib
如果您在研究和应用中发现 MixGRPO 非常有用，请使用以下 BibTeX 格式引用：
@misc{li2025mixgrpounlockingflowbasedgrpo,
title={MixGRPO：利用混合 ODE-SDE 解锁基于流的 GRPO 效率},
author={Junzhe Li 和 Yutao Cui 和 Tao Huang 和 Yinping Ma 和 Chun Fan 和 Miles Yang 和 Zhao Zhong},
year={2025},
eprint={2507.21802},
archivePrefix={arXiv},
primaryClass={cs.AI},
url={https://arxiv.org/abs/2507.21802},
}
🌟 星标历史
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。