混元团队近期开源了一款创新性高效图像生成项目：MixGRPO！
该框架通过结合随机微分方程（SDE）和常微分方程（ODE）的混合采样策略，显著提升了文本到图像（Text-to-Image, T2I）任务的效率和性能。
使其在人类偏好对齐的多个维度上均表现出显著提升，效果和效率均优于DanceGRPO，训练时间降低近50%。
核心创新
MixGRPO的核心在于其混合采样机制。传统方法如Flow-GRPO和DanceGRPO依赖SDE采样引入随机性，但需在整个去噪步骤中进行优化，导致训练速度缓慢。
MixGRPO创新性地将采样过程划分为两个区间：在特定时间窗口内使用SDE采样以保留探索性，窗口外则采用ODE采样以提高确定性。
这不仅简化了马尔可夫决策过程（MDP）的优化流程，还大幅降低了计算开销。
性能对比
无论是单奖励还是多奖励，MixGRPO 在域内和域外奖励指标上均取得了最佳性能。
在progressive策略下，MixGRPO指数衰减和恒定调度均为最优选择。
HPS-v2.1 作为奖励模型下 FLUX、DanceGRPO 和 MixGRPO 的可视化结果对比。
在 HPS-v2.1 和 CLIP Score 作为奖励模型下，FLUX、DanceGRPO 和 MixGRPO 的可视化结果对比。
定性比较：MixGRPO 在语义和美学方面都取得了卓越的性能。
此外，团队还提出了MixGRPO-Flash变体，通过引入高阶ODE求解器（如DPM-Solver++）进一步加速采样过程。MixGRPO-Flash在保持相近性能的同时，将训练时间额外降低了71%。这得益于ODE部分的加速优化，例如使用二阶中点法减少采样步数，实现了计算开销与性能的平衡。
开源意义
目前，团队已发布基于 FLUX.1 Dev 架构、采用 MixGRPO 训练的模型版本，支持以下特性：
多重奖励模型联合训练（HPSv2、ImageReward、Pick Score）；
兼容主流扩散采样流程；
支持 ODE/SDE 模式切换，便于推理阶段灵活配置。
该模型可用于高质量图文生成、AIGC 内容审核优化、个性化创作辅助等场景。
GitHub：https://github.com/Tencent-Hunyuan/MixGRPO
