工具介绍
[NeurIPS 2025] Flow-GRPO 的官方实现: 通过在线 RL 训练流匹配模型
Flow-GRPO:
通过在线 RL 训练流程匹配模型
## 变更记录
2026-05-07
* [verl-omni](https://github.com/verl-project/verl-omni) 现在支持 Flow-GRPO! 这为 Flow-GRPO 用户提供了一个基于 verl 样式的训练框架。
更新历史
** 2025-11-04 **
* 添加 **GRPO-Guard**。
**2025-11-04**
* 添加对 [Bagel-7B](https://huggingface.co/ByteDance-Seed/BAGEL-7B-MoT) 的支持。
**2025-10-14**
* 重构 FlowGRPO-Fast 以兼容 FlowGRPO,在 SD3 上添加 CPS 采样和无 CFG 训练。
**2025-08-15**
* 添加对 **Qwen-Image** 和 **Qwen-Image-Edit** 的支持。
**2025-08-15**
* 感谢 [Jing Wang](https://scholar.google.com.hk/citations?user=Q9Np_KQAAAAJ&hl=zh-CN) 添加了 **Wan2.1**。 训练命令
- 添加了 Flow-GRPO-Fast。 **2025-07-28**
- 添加了对 **FLUX.1-dev** 的支持。 - 添加了对 CLIPScore 作为奖励模型的支持。 - 引入 `config.sample.same_latent` 来控制是否对相同的提示重复使用相同的噪声，解决了 [问题 #7](https://github.com/yifan123/flow_grpo/issues/7)。 **2025-05-15**
- 我们在 https://gongyeliu.github.io/Flow-GRPO. 上展示了三个任务的图像示例及其训练演进情况。请查看它们！ - 我们现在为所有三个任务提供了在线演示，请访问 https://huggingface.co/spaces/jieliu/SD3.5-M-Flow-GRPO。