Trainieren Sie Rectified-Flow-Diffusionsmodelle mithilfe von belohnungsfreier Selbstkorrektur, um Fehler in der Entrauschungstrajektorie zu beheben.
Post-Training für Diffusionsmodelle, das Exposure Bias ohne Belohnungsmodelle oder Präferenz-Labels behebt.
HY-SOAR ist ein Open-Source-Post-Training-Framework, das von Tencent-Hunyuan für Rectified-Flow-Diffusionsmodelle wie Stable Diffusion 3.5 entwickelt wurde. Sie sollten es verwenden, wenn Sie den Trajektorie-Exposure-Bias während der Generierung eliminieren möchten, ohne auf terminale Belohnungsmodelle oder gelabelte Präferenzpaare angewiesen zu sein. Es richtet sich an Machine-Learning-Engineers und Forscher im Bereich generative KI, die Diffusions-Pipelines finetunen.
Das Tool sampelt On-Trajectory-Zustände aus einem Diffusionsmodell-Rollout, entrauscht Off-Trajectory-Zustände in Richtung eines Rausch-Endpunkts und berechnet analytische Korrekturgeschwindigkeiten. Dies erzeugt ein On-Policy-Korrektursignal pro Zeitschritt, das das standardmäßige SFT ersetzt. Es bietet Trainingsskripte, Belohnungsauswertungscode und eine DeepSpeed-Integration für Multi-GPU-Hardware.
Es eignet sich für KI-Forscher und ML-Engineers, die Flow-Matching-Text-to-Image-Modelle für aufgabenspezifische Verfeinerungen post-trainieren. Es eignet sich nicht für nicht-technische Anwender oder Teams, die einen schlüsselfertigen visuellen Generator suchen, da es Multi-GPU-Infrastruktur und tiefes PyTorch-Fachwissen erfordert.
Überwacht den Denoiser genau bei dem Zeitschritt, in dem Fehler auftreten, indem Off-Trajectory-Zustände in Richtung des ursprünglichen Rausch-Endpunkts entrauscht werden.
Bietet geometrische Korrekturziele pro Zeitschritt, verankert an sauberen Latents, ohne Belohnungsmodelle oder negative Beispiele zu verwenden.
Generiert Hilfszustände aus den Rollouts des aktiven Modells, sodass sich die Trainingsverteilung gemeinsam mit den Modellparametern entwickelt.
Integriert lokale Evaluierungssetups für GenEval, PickScore, CLIPScore, HPSv2.1 und PaddleOCR.
HY-SOAR kann kostenlos von GitHub heruntergeladen werden, aber das Repository spezifiziert keine Open-Source-Lizenz. Die einzigen operativen Kosten entstehen durch die Bereitstellung der für das distribuierte Modelltraining erforderlichen High-Performance-GPU-Hardware.
877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Nein, HY-SOAR berechnet analytische geometrische Korrekturziele direkt aus generierten Zuständen und sauberen Latents ohne externe Präferenz-Labels.
Ja, es erweitert Flow-Matching-Ziele und kann standardmäßiges SFT ersetzen, bevor nachgelagertes RL-Alignment wie Flow-GRPO angewendet wird.
Die bereitgestellten Trainingsskripte verwenden standardmäßig Stable Diffusion 3.5 Medium (stabilityai/stable-diffusion-3.5-medium).
Zekai zuerst in Google sehen