Команда ByteDance Seed совместно с Гонконгским университетом представила фреймворк DanceGRPO. Разработка адаптирует метод Group Relative Policy Optimization, впервые представленный в DeepSeekMath в апреле 2024 года, для задач генерации изображений и видео.
DanceGRPO перерабатывает процесс сэмплирования, позволяя применять групповую относительную оценку в диффузионных моделях. Решение совместимо с Stable Diffusion, FLUX, HunyuanVideo и SkyReels-I2V и поддерживает как минимум пять типов наград для оценки качества.
Показатели HPS-v2.1 и CLIP Score выросли до 181%. В сентябре 2025 года компания представила проект BranchGRPO: он улучшил показатели соответствия запросам на 16% при сокращении времени обучения на 55%.
ByteDance также разработала метод DAPO для языковых моделей совместно с лабораторией AIR Университета Цинхуа. На тестах AIME 2024 система набрала 50 баллов, затратив на 50% меньше шагов обучения, чем аналогичная конфигурация DeepSeek-R1.
