Treine modelos de difusão de fluxo retificado usando autocorreção sem recompensa para corrigir erros de trajetória de dessensibilização.
Pós-treinamento para modelos de difusão que corrige o viés de exposição sem modelos de recompensa ou rótulos de preferência.
O HY-SOAR é um framework de pós-treinamento open source desenvolvido pela Tencent-Hunyuan para modelos de difusão de fluxo retificado como Stable Diffusion 3.5. Você deve usá-lo se quiser eliminar o viés de exposição de trajetória durante a geração sem depender de modelos de recompensa terminais ou pares de preferência rotulados. Ele atende engenheiros de machine learning e pesquisadores de IA gerativa que realizam fine-tuning em pipelines de difusão.
A ferramenta amostra estados na trajetória a partir de um rollout de um modelo de difusão, reaplica ruído em estados fora da trajetória em direção a um ponto final de ruído e calcula velocidades de correção analíticas. Isso cria um sinal de correção on-policy e por passo de tempo que subsume o SFT padrão. Ele fornece scripts de treinamento, código de avaliação de recompensa e integração com DeepSpeed para hardware multi-GPU.
É adequado para pesquisadores de IA e engenheiros de ML que fazem pós-treinamento de modelos de texto para imagem baseados em flow-matching para refinamento específico de tarefas. Não é adequado para usuários não técnicos ou equipes que procuram um gerador visual pronto para uso, pois requer infraestrutura multi-GPU e profunda experiência em PyTorch.
Supervisiona o denoiser no passo de tempo exato em que ocorrem os erros, reaplicando ruído em estados fora da trajetória em direção ao ponto final de ruído original.
Fornece alvos de correção geométrica por passo de tempo ancorados em latentes limpos, sem usar modelos de recompensa ou amostras negativas.
Gera estados auxiliares a partir dos rollouts do próprio modelo ativo, de modo que a distribuição de treinamento evolui junto com os parâmetros do modelo.
Integra configurações de avaliação local para GenEval, PickScore, CLIPScore, HPSv2.1 e PaddleOCR.
O HY-SOAR é gratuito para download no GitHub, mas o repositório não especifica uma licença open source. O único custo operacional vem do provisionamento do hardware de GPU de alto desempenho necessário para o treinamento distribuído de modelos.
879 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Não, o HY-SOAR calcula alvos de correção geométrica analítica diretamente a partir de estados gerados e latentes limpos, sem rótulos de preferência externos.
Sim, ele estende os objetivos de flow-matching e pode substituir o SFT padrão antes de aplicar o alinhamento de RL downstream, como Flow-GRPO.
Os scripts de treinamento fornecidos usam como padrão o Stable Diffusion 3.5 Medium (stabilityai/stable-diffusion-3.5-medium).
Veja o Zekai primeiro no Google