代码参考的 flow grpo 中的 dpo 的代码和 DiffusionDPO ，但是怎么调参数训练都完全没效果，曲线基本都和下面一样
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。
