# Flow-Map GRPO：为确定性「少步生图」打开强化学习大门 少步 Flow-Map 生成器——如一致性模型、sCM、MeanFlow——过去两年一直是图像扩散模型里最快的一档：它们直接学习噪声到数据的「长途运输映射」，把采样步数压到个位数。但确定性正是它们的阿喀琉斯之踵：GRPO、PPO 这类需要随机轨迹和良好似然比的在线 RL 后训练方法，长期以来无法直接套用。 **Flow-Map GRPO**（arXiv:2607.00535，7 月 1 日）解决了这一卡点。它的核心机制是 **ASFMC（Anchored Stochastic Flow Map Composition）**：通过基于锚点的条件重采样注入随机性，同时完整保留原始 Flow-Map 的边缘概率路径。这样既不破坏少步生成的高效性，又让 GRPO 目标函数可以求梯度。作者还推导出同时适用于**单步**和**两步** Flow-Map 参数化的 GRPO 目标，并在基于 FLUX 后端的 MeanFlow 与 sCM 上验证，多项奖励/感知/任务级指标全部上涨。 最有看点的是它的工程哲学：**无需重新训练**。Flow-Map GRPO 把后训练做成「外挂」模块，直接对预训练好的确定性生成器做对齐，不需要改参数化，也不必把模型再训成原生随机模型——对存量 checkpoint 极其友好，这也意味着 FLUX、Qwen-Image、Wan 等已经上线的少步工作流未来都可以低成本接 RL。 对 GRPO+扩散社区，这是继 6 月末 Qwen-Image-2.0-RL 技术报告之后的又一个信号：**后训练范式正在从 LLM 辐射到图像生成**，而少步 Flow-Map 是这条扩展路径上一直缺位的一环。Flow-Map GRPO 补齐它以后，行业剩下的主要是工程问题——更稳定的奖励模型、更大规模的人类偏好对齐、面向特殊风格的可控强化，都会沿着这个口子铺开。