Flow-OPDは、フローマッチングを用いたテキスト・トゥ・イメージ（文章から画像を生成する技術）モデル向けの新しいポストトレーニングフレームワークである。2026年5月8日に発表されたこのシステムは、報酬が疎であることや勾配干渉といった課題に対処し、二段階の戦略を通じてマルチタスクのアライメントを改善する。

この手法では、まずGRPO（Group Relative Policy Optimization）を用いて特化型教師モデルを育成する。その後、オンポリシーサンプリングと詳細な軌道レベルの教師データを通じて、単一の学生ポリシーへと統合する。さらに、画像品質の劣化を防ぐため、高品質なデータマニフォールドに生成を固定する手法であるManifold Anchor Regularizationを導入した。

Stable Diffusion 3.5 Mediumを用いた評価において、同フレームワークはGenEvalスコアを63から92へ、OCR精度を59から94へと向上させた。これらの結果は、画像忠実度を維持しつつ、通常のGRPOと比較して約10ポイントの性能向上を示している。

Flow-OPDは、フローマッチングを用いたテキスト・トゥ・イメージ（文章から画像を生成する技術）モデル向けの新しいポストトレーニングフレームワークである。2026年5月8日に発表されたこのシステムは、報酬が疎であることや勾配干渉といった課題に対処し、二段階の戦略を通じてマルチタスクのアライメントを改善する。

この手法では、まずGRPO（Group Relative Policy Optimization）を用いて特化型教師モデルを育成する。その後、オンポリシーサンプリングと詳細な軌道レベルの教師データを通じて、単一の学生ポリシーへと統合する。さらに、画像品質の劣化を防ぐため、高品質なデータマニフォールドに生成を固定する手法であるManifold Anchor Regularizationを導入した。

Stable Diffusion 3.5 Mediumを用いた評価において、同フレームワークはGenEvalスコアを63から92へ、OCR精度を59から94へと向上させた。これらの結果は、画像忠実度を維持しつつ、通常のGRPOと比較して約10ポイントの性能向上を示している。