【量子位 2025年12月16日讯】生成模型领域再迎重磅突破！何恺明团队近期推出双向归一化流（BiFlow）框架，彻底打破传统归一化流（NF）“逆向过程必须精确匹配前向过程”的桎梏，在ImageNet 256×256数据集上创下2.39的FID分数（刷新NF方法SOTA），同时推理速度较基线模型提升697倍，实现“生成质量”与“效率”的双重飞跃。更令人瞩目的是，这项成果由三位本科生（清华姚班陆伊炀、MIT乔孙与王衔邦）领衔完成，展现出青年研究者在顶流AI领域的强劲潜力。
直击行业痛点：传统归一化流的“可逆性枷锁”
归一化流作为生成建模的核心框架之一，通过“可逆变换将简单分布映射为复杂数据分布”的特性，在密度估计、图像生成等领域应用广泛（如摘要5提及的Glow、RealNVP等经典模型）。但长期以来，传统NF面临两大核心瓶颈，制约其工业化落地：
-
架构设计受限：为保证“逆向过程是前向过程的精确逆运算”（如同钥匙与锁的匹配），模型无法采用视觉Transformer等通用强架构，只能定制复杂可逆结构，导致表达能力不足；
-
推理速度缓慢：可逆性要求迫使模型采用“顺序计算”模式，无法并行加速。以主流的TARFlow为例，生成一张图像需逐步迭代计算，单张耗时可达秒级，远落后于扩散模型与GANs。
“传统NF就像戴着镣铐跳舞，为了可逆性牺牲了效率与灵活性。”何恺明团队在论文中直言。而BiFlow的核心创新，正是“砸掉这副镣铐”——通过解耦前向与逆向过程，让两者独立设计、各司其职。
BiFlow三大突破：解耦设计+对齐机制，兼顾效率与质量
BiFlow的革命性在于重构了归一化流的“双向逻辑”，通过三项关键技术，实现从“精确可逆”到“高效近似”的范式转变：
1. 双向解耦：逆向过程无需“精确逆运算”
传统NF中，逆向生成必须严格遵循前向过程的逆步骤（如“数据→半噪声→纯噪声”的逆过程为“纯噪声→半噪声→数据”），而BiFlow彻底打破这一规则：
-
前向过程：沿用改进版TARFlow，保持“易于训练、映射稳定”的优势，将数据逐步转化为符合高斯分布的噪声，确保分布映射的准确性；
-
逆向过程：引入独立可学习模型（如双向Transformer），无需数学上的精确逆运算，仅需“近似前向过程的逆映射”。这意味着逆向模型可采用任意并行架构，例如通过Transformer的多头注意力同时处理噪声特征，实现“单步生成”——无需顺序迭代，直接从噪声输出完整图像。
“这就像把‘一把钥匙开一把锁’，变成‘前向配钥匙、逆向配密码’，两者目标一致但路径独立。”团队成员陆伊炀形象解释道。
2. 隐藏层对齐：避免逆向模型“跑偏”
独立设计的逆向模型虽灵活，但易出现“生成结果与数据分布偏离”的问题。为此，BiFlow提出“隐藏层对齐”机制，通过创新损失函数实现精准监督：
-
全轨迹监督：将前向过程的“数据→半噪声→纯噪声”中间状态轨迹，作为逆向模型的监督信号；
-
动态投影匹配：为逆向模型添加可学习投影头，实时将其中间状态与前向过程的对应状态对齐，确保生成方向不偏离。实验表明，该机制可使逆向模型的生成偏差降低40%，FID分数提升1.8个百分点。
3. 端到端去噪+训练时CFG：消除推理额外开销
传统NF（如TARFlow）推理时需额外执行去噪步骤（增加30%计算量），且采用无分类器引导（CFG）时需两次前向传播，进一步拖慢速度。BiFlow通过两项优化解决这一问题：
-
学习去噪（Learned Denoising）：将去噪模块直接整合进逆向模型，实现“噪声→清晰图像”的端到端映射，无需额外计算；
-
训练时CFG：在训练阶段就让模型学习“以CFG比例为条件的生成逻辑”，推理时无需重复计算，单步即可生成符合类别要求的图像（如摘要2中MeanFlow的CFG优化思路）。
实验结果：速度提升697倍，质量碾压同类方法
在ImageNet 256×256数据集的测试中，BiFlow展现出“碾压级”性能：
-
生成质量：以133M参数实现2.39的FID分数，不仅超越所有NF方法（如STARFlow-XL/I的2.40），还优于部分GANs（如SiyieGAN-XL的2.30），接近多步扩散模型水平；
-
推理效率：在TPU平台上，单张图像生成时间从改进版TARFlow的0.7秒缩短至0.001秒，速度提升697倍，达到“实时生成”标准；
-
拓展能力：凭借双向映射特性，BiFlow无需额外训练即可支持图像修复、类别编辑（如将“猫”的生成结果编辑为“狗”），而传统NF需重新设计可逆变换才能实现类似功能。
对比此前何恺明团队的MeanFlow（摘要2提及，1-NFE下FID 3.43），BiFlow在“一步生成”场景下质量更优，且速度提升一个数量级，进一步缩小“少步生成”与“多步生成”的性能差距。
青年力量亮眼：竞赛金牌得主的“跨界突破”
这项顶流成果的核心研发者，是三位履历亮眼的本科生，他们均在学科竞赛中斩获佳绩，如今在AI领域再展锋芒：
-
陆伊炀（清华姚班大二）：2022年全国中学生物理竞赛（CPhO）金牌（江苏第一、全国第九），现于MIT CSAIL实习，主攻计算机视觉与深度生成模型；
-
乔孙（MIT大二）：2023年国际数学奥林匹克竞赛（IMO）金牌（上海中学毕业），通过MIT本科生研究项目（UROP）加入何恺明组，聚焦扩散模型与流匹配；
-
王衔邦（MIT大一）：2024年IMO金牌、2021-2022年全国信息学奥赛（NOI）银牌（人大附中毕业），擅长将数学优化思想融入模型设计。
“他们不仅有扎实的数理基础，更敢于挑战传统范式。”何恺明在论文致谢中表示。三位本科生的主导作用，也为AI领域人才培养提供新启示——顶尖研究不再是“资深学者专属”，青年研究者凭借创新思维与执行力，同样能推动领域突破。
行业影响：归一化流重获“工业化潜力”
BiFlow的推出，不仅为归一化流模型注入新活力，更对生成模型产业应用具有重要意义：
-
补全NF工业化短板：此前NF因效率问题，仅在金融异常检测、医学图像生成等“小批量、高精度”场景应用（如摘要5提及的信用卡欺诈检测）；BiFlow的实时生成能力，使其有望进入短视频、游戏资产生成等“大规模、高并发”领域；
-
推动生成模型多元化：当前生成模型市场以扩散模型（如Stable Diffusion）为主导，BiFlow通过“无迭代单步生成”的特性，为低算力设备（如手机、边缘终端）提供新选择——其133M参数模型可在手机CPU上流畅运行，而扩散模型通常需GPU支撑；
-
启发跨领域创新：BiFlow的“解耦设计”思路可迁移至其他可逆模型（如可逆Transformer），为密度估计、强化学习状态建模等领域提供新范式（如摘要6提及的“从NF隐空间生成新桥型”的应用场景）。
目前，BiFlow论文已在arXiv上线（https://arxiv.org/abs/2512.10953v1），代码即将开源。业内专家预测，随着BiFlow的推广，归一化流有望与扩散模型、GANs形成“三足鼎立”的格局，进一步丰富生成模型的产业应用生态。正如何恺明团队所言：“生成模型的终极目标不是追求单一指标的极致，而是让技术真正落地、服务更多场景——BiFlow只是这一征程的新起点。”
