Tencent lanzó SRPO en Hugging Face Alineación directa de la trayectoria de difusión completa con la preferencia humana de grano fino Al ajustar el modelo FLUX1dev con eliminación de ruido optimizada y ajuste de recompensas en línea, mejore su realismo y calidad estética evaluados por humanos en más de 3 veces vibe codificando una aplicación de IA de texto a imagen para él en anycoder

SimpleVLA-RL Escalar el entrenamiento de VLA a través del aprendizaje por refuerzo