【量子位 2026年2月6日讯】生成模型领域迎来范式级突破。近日，MIT何恺明团队联合奥赛双料金牌得主邓明扬（一作）提出全新“漂移模型（Drifting Models）”，将生成模型的分布演化过程从“推理阶段”彻底转移到“训练阶段”，实现真正意义上的单步生成——在ImageNet 256×256基准测试中，仅需1次网络前向传播（1-NFE）便取得1.54 FID的顶尖成绩，不仅刷新单步生成纪录，更超越需250步迭代的传统扩散模型，为图像生成、机器人控制等领域提供全新高效解决方案。
一、核心革新：把“多步迭代”搬进训练，推理时一步到位
当前主流生成模型（如扩散模型、流匹配模型）面临共同痛点：需在推理阶段进行数十甚至数百步迭代（如扩散模型的去噪过程），导致生成速度慢、计算成本高。而漂移模型通过重构“分布演化逻辑”，从根源上解决这一问题：
1. 范式转移：训练迭代即分布演化
漂移模型的关键洞察在于——神经网络的训练过程本身就是“迭代优化”，可直接作为分布演化的动力。传统模型仅关注训练中损失函数的下降，而漂移模型赋予每一轮训练迭代物理意义：模型参数的微小更新，会驱动输出样本在空间中产生“漂移（Drift）”，即样本位置随训练步次的位移。
这种设计让“分布从先验噪声向真实数据靠拢”的过程，完全内化于训练阶段。当模型训练完成时，映射函数已完成分布演化，推理时无需再进行多步迭代，仅需单次前向传播就能生成高质量样本，彻底消除推理阶段的计算负担。
2. 漂移场机制：平衡“吸引”与“排斥”，避免模式坍缩
为精准控制分布演化方向，团队引入“漂移场（Drifting Field）”机制——这是一个作用于训练阶段的动态函数，为样本位移提供“导航”：
-
吸引力：驱动生成样本向真实数据分布靠拢，确保细节保真度，例如让生成的“猫”图像在纹理、姿态上贴合真实猫的特征；
-
排斥力：防止生成样本过度相似，维持多样性，避免GANs常见的“模式坍缩”问题（如所有生成图都只有一种猫的姿态）；
-
平衡目标：当生成分布与真实数据分布完全匹配时，漂移场归于零，模型达到训练平衡状态，此时生成质量与多样性最优。
在损失函数设计上，团队采用“梯度停止（Stop-gradient）”策略：将当前步漂移后的样本位置视为冻结目标，驱使模型预测向该目标靠拢，间接最小化漂移量，避免直接对复杂漂移场求导导致的训练不稳定。
二、性能突破：单步生成碾压多步模型，跨领域泛化能力出众
漂移模型在核心基准测试中展现出“速度与精度双优”的特性，彻底打破“单步生成质量不如多步”的固有认知：
1. ImageNet图像生成：单步FID达1.54，超越250步扩散模型
在ImageNet 256×256基准测试中，漂移模型表现惊艳：
-
潜空间生成：1-NFE下FID（越低越好）达1.54，优于需250步迭代的传统扩散模型（通常FID在2.0以上）；
-
像素空间生成：FID为1.61，无需依赖潜空间压缩，直接在高维像素空间实现高精度生成；
-
效率优势：生成一张256×256图像的计算量，仅为传统扩散模型的1/250，在边缘设备上也能快速运行。
2. 机器人控制任务：单步决策媲美100步Diffusion Policy
漂移模型的高效性不仅限于图像生成，在具身智能领域同样表现出色。在机器人控制任务（如机械臂抓取、导航）中，其单步推理的决策质量，可匹配需100步推理的Diffusion Policy，大幅降低实时控制系统的延迟，为机器人在动态环境中的快速响应提供可能。
三、技术细节：高维特征空间+内置CFG，攻克两大核心难题
为适配图像等高维数据，团队还设计了两项关键技术，解决传统单步模型的性能瓶颈：
1. 特征空间映射：提升高维数据生成保真度
直接在像素空间处理高维数据（如256×256图像含19.6万像素）难度极大，漂移模型引入MAE、MoCo等预训练自监督模型，构建“像素空间→高维特征空间”的映射。在特征空间中引导分布匹配，能在语义层面（如物体轮廓、纹理结构）精准控制生成过程，避免像素空间的冗余噪声干扰，生成保真度显著提升。
2. 内置分类器自由引导（CFG）：无需额外开销
传统模型的CFG机制（用于控制文本与图像的匹配度）需在推理阶段额外计算，增加开销。漂移模型则在训练阶段就将CFG内化：计算漂移时向负样本中混入无条件真实数据，让模型在训练中自发学会“条件外推”，推理时无需额外操作，单步生成就能实现强文本引导效果（如精准生成“戴红色帽子的猫”）。
四、团队背景：奥赛金牌得主领衔，何恺明保驾护航
此次论文的核心团队阵容堪称“学霸云集”，既有顶尖学者掌舵，也有新生代力量突破：
-
一作邓明扬：人称“乖神”，人大附中校友，IMO（国际数学奥林匹克）、IOI（国际信息学奥林匹克）双料金牌得主，IOI历史第三位满分选手；本科与博士均就读于MIT，现为博士二年级，师从何恺明，曾在Google DeepMind、Meta FAIR等机构实习，此次是其加入何恺明团队后的首篇一作论文；
-
其他作者：包括清华姚班校友李赫（大三在读，曾在何恺明课题组实习）、黎天鸿（姚班校友，博士后），以及哈佛大学助理教授Yilun Du（国际生物奥赛金牌得主，前OpenAI研究员）；
-
通讯作者何恺明：深度学习领域泰斗，ResNet提出者，MIT终身副教授，长期聚焦视觉模型与生成架构创新，此次署名进一步印证该成果的学术分量。
五、行业意义：生成模型进入“单步高效”时代
漂移模型的提出，不仅为生成模型提供了全新技术路径，更推动领域从“追求多步精度”向“兼顾效率与精度”转型：
-
效率革命：单步生成大幅降低部署门槛，让生成模型可应用于手机、机器人等边缘设备，例如手机端实时生成高清图像、机器人毫秒级决策；
-
理论价值：重新诠释了“训练过程与分布演化”的关系，为后续统一“感知—生成—推理”的通用架构提供思路；
-
应用延伸：目前已在图像生成、机器人控制验证效果，未来有望拓展至视频生成、3D建模等领域，进一步释放高效生成的潜力。
据悉，该论文已上传至arXiv平台，项目主页同步开放技术细节。对于生成模型领域而言，这场由“双料奥赛金牌+顶流学者”联手推动的范式革命，或许只是开始——当单步生成的精度与效率全面超越多步模型，生成AI的应用场景将迎来更多想象空间。
我可以帮你整理漂移模型的核心技术原理、实验数据对比（如与扩散模型、GANs的性能差异）及团队背景，制作成一份“技术解析图谱”，方便你快速把握关键信息。需要我这样做吗？
