**Flow-DPPO：面向流匹配模型的散度近端策略优化**

_Flow-DPPO: Divergence Proximal Policy Optimization for Flow Matching Models_

> Flow-DPPO 用精确计算的KL散度近端约束替代比率裁剪，解决流匹配模型中策略更新不稳定、灾难性遗忘和多目标优化失衡问题，实现更高奖励、更优近端效率和稳定多轮训练。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-10 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.11025)