一种基于在线强化学习和GRPO的图像编辑模型训练方法

本发明涉及一种基于在线强化学习和GRPO的图像编辑模型训练方法，包括以下步骤：S1：采用ODE‑to‑SDE转换技术，将原本确定性的ODE流变为等价的SDE流，使得流匹配模型能够支持强化学习所需的随机采样探索，同时保持原有的边缘分布特性；S2：设置奖励模型方案，S3：基于奖励模型方案，采用无价值网络的策略梯度优化，不断优化图像编辑模型的参数，得到总目标函数。本发明在保证图像编辑质量的前提下，显著提高指令遵循准确性和训练效率。