/ Модель

Характеристики

Лицензия
MIT
Базовая модель
FLUX.1-dev
Библиотека
diffusers
Опубликована
23 авг 2025

FLUX.1-dev-PrefGRPO

Генерация изображенийТекст → изображение3 профессии

Дообученная на основе FLUX.1 [dev] модель для генерации изображений по текстовым описаниям с обучением по попарным предпочтениям.

11скачиваний за 30 дней6лайковвеса обновлены2 сен 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CodeGoat24/FLUX.1-dev-PrefGRPO — дообученная модель генерации изображений по текстовым описаниям, созданная на основе FLUX.1 [dev] от Black Forest Labs. В карточке описан метод Pref-GRPO: он использует попарные предпочтения изображений как сигнал вознаграждения, чтобы сделать обучение устойчивее к чрезмерной оптимизации точечных оценок и связанному с ней reward hacking.

Модель предназначена для генерации изображений по тексту. Основа FLUX.1 [dev] имеет 12 млрд параметров; репозиторий использует Diffusers и формат safetensors. README также описывает UniGenBench — бенчмарк для оценки текстово-изобразительной согласованности, но это не означает, что бенчмарк является отдельной возможностью модели. Лицензия репозитория — MIT.

Сценарии применения

  • генерация изображений по текстовым описаниям
  • создание визуальных концепций по промптам
  • сравнение качества вариантов изображений в исследовательских экспериментах

Ограничения

README не приводит результаты по отдельным сценариям применения или ограничениям сгенерированных изображений; описание Pref-GRPO сообщает об устойчивости обучения, но не гарантирует качество для каждого промпта.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FLUX.1-dev-PrefGRPO: Pairwise Preference Reward-based GRPO for Stable Text-to-Image Reinforcement Learning

This model is trained using Pref-GRPO on the training dataset of UniGenBench.

Abstract

Recent advancements highlight the importance of GRPO-based reinforcement learning methods and benchmarking in enhancing text-to-image (T2I) generation. However, current methods using pointwise reward models (RM) for scoring generated images are susceptible to reward hacking. We reveal that this happens when minimal score differences between images are amplified after normalization, creating illusory advantages that drive the model to over-optimize for trivial gains, ultimately destabilizing the image generation process. To address this, we propose Pref-GRPO, a pairwise preference reward-based GRPO method that shifts the optimization objective from score maximization to preference fitting, ensuring more stable training. In Pref-GRPO, images are pairwise compared within each group using preference RM, and the win rate is used as the reward signal. Extensive experiments demonstrate that PREF-GRPO differentiates subtle image quality differences, providing more stable advantages and mitigating reward hacking. Additionally, existing T2I benchmarks are limited by coarse evaluation criteria, hindering comprehensive model assessment. To solve this, we introduce UniGenBench, a unified T2I benchmark comprising 600 prompts across 5 main themes and 20 subthemes. It evaluates semantic consistency through 10 primary and 27 sub-criteria, leveraging MLLM for benchmark construction and evaluation. Our benchmarks uncover the strengths and weaknesses of both open and closed-source T2I models and validate the effectiveness of Pref-GRPO.

Model Overview

Here are the main components of the Pref-GRPO pipeline:

Pref-GRPO addresses the issue of reward hacking in text-to-image generation:

For further details, please refer to the following resources:

Quick Start

pip install -U diffusers
import torch
from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained("CodeGoat24/FLUX.1-dev-PrefGRPO", torch_dtype=torch.bfloat16)
pipe.enable_model_cpu_offload() #save some VRAM by offloading the model to CPU. Remove this if you have enough GPU power

prompt = "A cat holding a sign that says hello world"
image = pipe(
    prompt,
    height=1024,
    width=1024,
    guidance_scale=3.5,
    num_inference_steps=30,
    max_sequence_length=512,
    generator=torch.Generator("cpu").manual_seed(3407)
).images[0]
image.save("flux-dev.png")

Citation

@article{Pref-GRPO&UniGenBench,
  title={Pref-GRPO: Pairwise Preference Reward-based GRPO for Stable Text-to-Image Reinforcement Learning},
  author={Wang, Yibin and Li, Zhimin and Zang, Yuhang and Zhou, Yujie and Bu, Jiazi and Wang, Chunyu and Lu, Qinglin, and Jin, Cheng and Wang, Jiaqi},
  journal={arXiv preprint arXiv:2508.20751},
  year={2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
256aa56

0 моделей