LeapAlign_Code

LeapAlign 是一种面向流匹配模型的后训练对齐方法，支持在任意生成步进行人类偏好对齐。其核心是构建两步“跃迁轨迹”（leap trajectory），替代完整采样路径进行奖励梯度反传，从而缓解内存开销与梯度爆炸问题，提升早期结构化生成步骤的可优化性。技术上基于 PyTorch 实现，兼容 FLUX 等主流流匹配模型，并集成 HPSv2 等偏好评分器。适用于需要细粒度控制生成过程、提升图像布局/结构质量的文本到图像对齐任务，如 RLHF 驱动的扩散模型优化。