**MEND:基于近端速度匹配的流模型强化学习方法** _MEND: RL For Flow Models via Proximal Velocity Mat
原帖
**MEND:基于近端速度匹配的流模型强化学习方法**
_MEND: RL For Flow Models via Proximal Velocity Matching_
> HuggingFace 社区热门论文 MEND 提出一种基于近端速度匹配的强化学习后训练方法,旨在解决流模型奖励优化中计算成本高及移动步长不合理的问题。该方法通过限制奖励增益与位移代价的比值来接受更新,无需 KL 散度或冻结参考模型。实验显示,MEND 仅需 100 次更新即可在多个评估指标上超越需数千次更新的 Flow-GRPO,并在同等预算下优于 ReFL 和 DiffusionNFT,具有通用性强、易于部署的特点。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.05954)