在生成模型领域，何恺明团队一直执着于「一步到位」的技术探索，从 MeanFlow 到 iMeanFlow 系列，始终在突破效率与质量的平衡边界。2026 年，他们推出的全新范式 ——漂移模型（Drifting Models），更是实现了革命性突破：无需多步迭代，仅需 1 次前向传播（1-NFE），就能生成质量媲美甚至超越传统多步扩散模型的图像，彻底打破了生成模型「效率与质量不可兼得」的行业困局。
这篇论文的深刻之处，不在于复杂算法的堆砌，而在于对生成模型本质的回归与重构。它跳出了传统框架的思维定式，用「平衡态追求」替代「路径演化」，为图像生成技术开辟了全新赛道。想要理解其核心创新，需先从生成模型的底层逻辑与历史演进说起。
一、生成模型的本质与核心困境
1. 最小定义：从噪声到真实的分布匹配
所有现代生成模型的核心目标都可极简概括：通过神经网络，将简单的噪声分布（如高斯噪声），映射为与真实图像高度相似的目标分布。通俗来讲，就是把「噪声云团」揉捏成「真实图片云团」，让生成图像的分布尽可能贴合真实数据的分布。
这一过程的数学本质，是让模型的「前推分布」与真实数据分布无限接近。而所谓「前推分布」，可简单理解为通过模型映射后，噪声最终形成的图像分布形态。
2. 两大核心难题：为何生成模型难兼顾效率与质量？
生成模型的训练之所以极具挑战，核心源于两个关键问题：
-
全局分布匹配难题：判断生成效果的好坏，并非看单个样本的误差，而是两个高维分布（噪声分布与真实分布）的整体相似度，难以像分类任务那样设计明确的单样本监督信号。
-
复杂映射难题：真实图像分布是高维空间中复杂的「弯曲流形」，且具有多模态特征。直接从噪声一步映射到真实分布，极易出现训练不稳定、样本多样性不足（模式崩溃）等问题，甚至无法完成学习。
历史上所有生成模型的探索，本质上都是在寻找「可学习的中间结构」，将这两个全局难题拆分为可优化的局部问题。
二、生成模型的历史演进：从一步生成到多步迭代的循环
1. 早期路线：一步生成的效率优势与质量妥协
以 GAN（生成对抗网络）、VAE（变分自编码器）为代表的早期模型，核心思路是「一步映射优化」，推理速度快，但在质量与稳定性上存在明显短板。
-
VAE：通过「编码 - 解码」两步拆分映射，引入变分下界（ELBO）作为优化目标，将无监督的分布匹配问题转化为可计算的监督任务。但由于 ELBO 只是真实分布差距的近似下界，生成图像往往偏模糊、细节不足。
-
GAN：放弃直接计算分布差距，通过生成器与判别器的「对抗博弈」提供监督信号。这种思路更注重「创造」而非「模仿」，但训练极不稳定，易出现模式崩溃、梯度消失等问题，生成质量波动较大。
这类模型虽实现了一步生成的高效性，却难以在生成质量、训练稳定性、样本多样性之间找到平衡。
2. 扩散 / 流模型：多步迭代的质量提升与效率牺牲
为解决早期模型的质量问题，扩散模型（Diffusion Models）与流模型（Flow Models）走上了「多步迭代」的路线 —— 接受推理效率的妥协，换取分布匹配的准确性与稳定性。
-
流模型：通过一系列可逆的微小变换（「流」），逐步将简单噪声分布转化为真实图像分布，能精确计算分布概率密度，训练稳定、生成质量高。但可逆性约束限制了模型灵活性，高分辨率图像处理成本极高，推理速度远慢于一步生成模型。
-
扩散模型：通过「正向加噪 - 反向去噪」的多步迭代实现分布转化 —— 正向过程将真实图像逐步转化为噪声，反向过程通过神经网络学习去噪映射，最终还原出真实图像。其优势是训练稳定、生成质量惊艳，尤其在高分辨率图像任务中表现突出，但需数百甚至数千步迭代，NFE 值高，推理效率极低。
3. 加速探索：未能突破框架的局部优化
针对扩散 / 流模型的效率痛点，学术界出现了两大加速方向：
-
蒸馏方向：通过「教师 - 学生」框架，将多步迭代的教师模型知识，蒸馏到一步生成的学生模型中，训练难度低、稳定性强，但性能受限于教师模型的框架，难以突破上限。
-
从零训练一步方向：直接设计一步生成模型，如 Consistency Models、何恺明团队此前的 MeanFlow 系列，虽实现了一步生成，但本质仍未跳出扩散 / 流模型「路径 / 时间 / ODE」的核心框架，只是将多步合并为大步，未能实现范式级突破。
三、漂移模型：从「路径演化」到「平衡态追求」的范式革命
漂移模型的核心创新，在于彻底抛弃了传统生成模型「沿时间路径演化」的默认前提，回归「分布匹配」的本质目标，转而追问：如何让生成分布稳定到真实分布，何时停止调整？
其核心逻辑可拆解为三点：
-
终极目标：找到最优模型参数，让生成分布与真实分布完全匹配，达到「平衡点」；
-
核心手段：构造「漂移场」，为每个生成样本提供「推力」，指示其向更接近真实分布的方向移动；
-
训练过程：不断优化参数，逐步将「推力」降至 0，当推力为 0 时，生成分布达到平衡态，训练停止。
这一范式转换，让分布演化的过程从「推理时」转移到了「训练时」—— 利用训练本身的迭代过程，推动生成分布从噪声分布逐步演化至真实分布，推理时无需额外迭代，仅需一步生成即可，这也是其实现 1-NFE 高效推理的关键。
四、核心构件：漂移场的设计与实现
「漂移场」是漂移模型的核心，它既是连接生成样本与真实分布的桥梁，也是解决「分布难以直接计算」这一痛点的关键。要落地漂移场，需满足两个核心要求：可计算性（通过可操作方式近似求解）与平衡性质（分布匹配时推力为 0）。
1. 平衡性质：反对称性设计
漂移场需满足「当生成分布与真实分布匹配时，推力为 0」的平衡条件。论文中采用了简单有效的「反对称性」设计，其数学逻辑可直观理解为：当分布匹配时，漂移场的正向推力与反向推力相互抵消，最终推力为 0。这一设计虽只是实现平衡性质的充分条件，但足够简洁易落地，能高效逼近平衡态。
实验证明，反对称性是模型稳定收敛的关键 —— 若人为破坏这一性质（如放大吸引力或排斥力），模型性能会急剧下降，FID 值飙升。
2. 可计算性：核化吸引 - 排斥机制
漂移场同时依赖抽象的真实分布与生成分布，无法直接计算。对此，模型通过「采样近似分布 + 相似度量化 + 吸引 - 排斥机制」，将抽象分布转化为可计算数值：
-
核函数：相似度量化工具：引入核函数（如高斯核），将两个样本的相似度转化为具体权重，距离越近权重越大，让漂移场仅对样本附近区域产生作用，避免全局拉扯导致的训练不稳定。
-
吸引机制：贴近真实分布：从真实数据分布中采样「正样本」，通过核函数计算生成样本与正样本的相似度权重，构造「吸引方向」，让生成样本向真实数据密集区移动，保证生成质量。
-
排斥机制：保证多样性：从生成分布中采样「负样本」，通过核函数计算生成样本与负样本的相似度权重，构造「排斥方向」，推动生成样本远离其他生成样本，避免模式崩溃。
最终，漂移场由「吸引方向 - 排斥方向」构成，既保证生成样本贴近真实数据，又避免样本扎堆，兼顾了生成质量与多样性。
3. 训练信号：固定点残差 + stopgrad 自举
为避免直接对抽象分布反向传播导致的训练不稳定，模型采用「固定点残差 + stopgrad 自举」策略，将「推力归零」目标转化为可优化的回归误差，训练过程简洁高效：
-
生成当前样本：从噪声分布采样，通过当前模型生成样本；
-
计算漂移后目标：利用漂移场，得到样本「应移动到」的目标位置；
-
冻结目标位置：对目标位置施加 stopgrad 操作，避免高阶依赖，保证训练可行；
-
计算回归误差：让模型生成样本向冻结目标回归，损失函数收敛时，漂移场推力趋近于 0，训练完成。
五、实验结果：1-NFE 实现性能碾压，突破效率 - 质量困境
漂移模型的实验结果极具颠覆性，在 ImageNet 256x256 latent space 任务中，以 1-NFE 的推理效率，实现了远超同类一步生成模型、逼近甚至超越多步扩散模型的性能：
-
与多步模型对比：Drifting Model L/2 版本（463M 参数）的 FID 值低至 1.54，IS 值达 258.9，远超需 250×2 步迭代的 DiT-XL/2（FID=2.27，IS=278.2），且参数规模更小；
-
与一步生成模型对比：相较于 iMeanFlow-XL/2（FID=1.72，IS=282.0），漂移模型在参数更少的情况下，实现了更优的 FID 值，样本多样性更优；
-
关键发现：正负样本数量越多，模型效果越好 —— 更多样本能让网络更清晰地判断「真实数据密集区」与「生成样本分布」，漂移方向更准确；反对称性是稳定收敛的核心，破坏后模型性能会直接崩溃。
这一结果证明：当训练期将分布演化到极致平衡态时，推理期无需多步迭代，一步生成即可兼顾「瞬移」的效率与「漫步」的稳健。
六、总结：生成模型的本质回归与未来方向
漂移模型的革命性，不在于发明了新的算法，而在于对生成模型本质的清醒认知与框架重构 —— 它抛弃了传统模型复杂的「时间路径」工程结构，用「漂移场」连接生成样本与分布匹配目标，通过「核化吸引 - 排斥」解决可计算性问题，用「固定点残差 + stopgrad 自举」设计训练信号，最终实现了「一步生成 + 高质量分布匹配」的核心目标。
这一范式突破，不仅解决了生成模型长期存在的效率与质量矛盾，更为后续研究提供了全新思路：生成模型的核心是分布匹配，而非路径演化。未来，基于这一框架，或许能在高分辨率图像生成、视频生成等更复杂任务中，实现效率与质量的双重突破，推动生成式 AI 技术走向更广泛的落地场景。