Обучайте диффузионные модели на базе выпрямленных потоков (rectified-flow), используя самокоррекцию без вознаграждения для исправления ошибок траектории шумоподавления.
Постобработка для диффузионных моделей, устраняющая смещение экспозиции без моделей вознаграждения или меток предпочтений.
HY-SOAR — это open source фреймворк постобработки, разработанный Tencent-Hunyuan для диффузионных моделей на базе выпрямленных потоков, таких как Stable Diffusion 3.5. Вам стоит использовать его, если вы хотите устранить смещение экспозиции траектории во время генерации без опоры на терминальные модели вознаграждения или размеченные пары предпочтений. Он предназначен для инженеров по машинному обучению и исследователей генеративного ИИ, выполняющих дообучение диффузионных пайплайнов.
Инструмент выполняет семплирование состояний на траектории из генерации диффузионной модели, заново зашумляет состояния вне траектории в направлении конечной точки шума и вычисляет аналитические корректирующие скорости. Это создает сигнал коррекции на политике для каждого временного шага, который заменяет стандартную SFT. Он предоставляет скрипты обучения, код оценки вознаграждения и интеграцию DeepSpeed для многопроцессорного GPU-оборудования.
Он подходит исследователям ИИ и ML-инженерам, выполняющим постобработку моделей text-to-image на основе flow-matching для уточнения под конкретные задачи. Он не подходит нетехническим пользователям или командам, ищущим готовый визуальный генератор, так как требует инфраструктуры с несколькими GPU и глубоких знаний PyTorch.
Контролирует модуль шумоподавления на тех самых временных шагах, где возникают ошибки, путем повторного зашумления состояний вне траектории по направлению к исходной конечной точке шума.
Предоставляет геометрические цели коррекции для каждого временного шага, привязанные к чистым латентным представлениям без использования моделей вознаграждения или негативных примеров.
Генерирует вспомогательные состояния на основе собственных разверток активного процесса модели, благодаря чему распределение при обучении развивается вместе с параметрами модели.
Интегрирует локальные настройки оценки для GenEval, PickScore, CLIPScore, HPSv2.1 и PaddleOCR.
HY-SOAR можно бесплатно скачать с GitHub, но в репозитории не указана лицензия open source. Единственные операционные затраты связаны с предоставлением высокопроизводительного GPU-оборудования, необходимого для распределенного обучения моделей.
877 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Нет, HY-SOAR вычисляет аналитические геометрические цели коррекции напрямую из сгенерированных состояний и чистых латентных представлений без внешних меток предпочтений.
Да, он расширяет цели flow-matching и может заменить стандартную SFT перед применением последующего выравнивания с помощью RL, такого как Flow-GRPO.
Предоставленные скрипты обучения по умолчанию используют Stable Diffusion 3.5 Medium (stabilityai/stable-diffusion-3.5-medium).
Zekai первым в Google