🎯 情报来源：量子位
腾讯混元基础模型团队近日开源MixGRPO框架，这是一种结合随机微分方程（SDE）和常微分方程（ODE）的新型图像生成训练方案。该方案通过混合采样策略优化流程，在保持性能的同时大幅提升训练效率。实验数据显示，MixGRPO相比现有DanceGRPO方法训练时间降低近50%，其加速版本MixGRPO-Flash更可减少71%训练时间。
该研究基于Flow-GRPO框架，通过滑动窗口策略将SDE采样限制在关键区间，同时利用高阶ODE求解器加速非关键区域计算。在HPDv2数据集测试中，MixGRPO在ImageReward、UnifiedReward等人类偏好指标上均取得最佳表现，且仅需9600条提示词训练一个epoch即可获得良好对齐效果。
💡 核心要点
- 训练效率突破：MixGRPO降低50%训练时间，MixGRPO-Flash进一步实现71%加速
- 性能不降反升：在HPS-v2.1、Pick Score等四项人类偏好指标上全面超越DanceGRPO
- 资源消耗优化：仅需32块NVIDIA GPU和9600条提示词即可完成有效训练
- 技术创新点：首创SDE-ODE混合采样策略+滑动窗口优化调度算法
- 开源生态建设：同步公开代码、论文及项目主页，推动行业共同发展
📌 情报分析
技术价值：极高
混合采样策略突破传统RLHF优化瓶颈，滑动窗口算法将MDP序列长度缩短50%以上，其采用的二阶DPM-Solver++求解器经实测可保持98%以上的奖励计算准确率。
商业价值：高
训练成本的大幅降低（预计节约60%云计算开销）将显著提升AIGC企业的ROI。但当前仍需32块GPU的硬件门槛，中小企业部署存在一定难度。
趋势预测：高
该技术路线有望在2年内成为文本生成图像领域的主流训练范式。开源策略将加速行业应用，预计2026年相关衍生方案将占据40%以上的工业级T2I训练场景。