flow_grpo

Flow-GRPO 是一个面向流匹配（Flow Matching）模型的在线强化学习训练框架，旨在通过策略优化提升生成质量与可控性。其核心结合了GRPO（Generalized Reinforcement Policy Optimization）算法与流匹配架构，支持多步噪声调度、奖励建模（如PickScore、CLIPScore、Geneval）、无CFG训练及快速变体Flow-GRPO-Fast。项目已适配SD3.5-M、FLUX.1、Wan2.1、Qwen-Image等主流扩散/多模态模型，并提供可视化分析与Hugging Face在线Demo。适用于图像生成、编辑、OCR引导生成等需细粒度语义对齐与奖励驱动优化的研究与工程场景。