这项由德国马克斯·普朗克信息研究所（Max Planck Institute for Informatics，隶属萨尔兰信息校区）的研究团队完成的工作，发表于2026年ICLR（学习表征大会）二届DeLTa研讨会，论文编号为arXiv:2604.09181，提交于2026年4月10日。感兴趣的读者可通过该编号在arXiv平台检索完整论文。
**当AI画画时，它在做什么？**
每当你用AI生成张图片，背后发生的事情，用个比喻来说，就像是个雕塑在堆随机的雪花中，点点地雕刻出座精美的冰雕。AI从团随机的"电子噪声"出发，经过步步的雕琢，终变出张清晰的猫咪图片或风景照。这个雕琢的过程，需要走很多步骤，每步都要让模型做次计，而计越多，等待时间就越长。
当今的图像生成AI（比如大熟知的Stable Diffusion、DALL-E等背后的技术），普遍面临个共同的痛点：要生成张质量的图片，需要进行几十甚至上百次的计迭代。这就好比你要从城市A到城市B，明明有条笔直的速公路，AI却偏偏走了条七弯八拐的山路。为什么会这样？原因在于AI的起点选择得不够好，致它走向目标的路径弯弯曲曲，不得不迈很多小步才能到达终点。
马克斯·普朗克信息研究所的研究团队针对这个问题，提出了套名为**MixFlow**的新训练策略，通过改进AI的"出发点"，让它走的路直，从而用少的步骤生成同样甚至好的图片。他们的法平均将图像生成质量（用FID指标衡量，数值越低越好）提升了12，与此前佳对照法相比也提升了7，而所需的计步数基本持平甚至少。
---怒江万能胶生产厂家怒江万能胶生产厂家
、AI生图时的"七弯八拐"是怎么来的
要理解这个问题，先得明白AI是怎么生图的。研究团队所研究的这类模型，学术上叫做"整流流（Rectified Flow）"或"流匹配（Flow Matching）"，但你可以把它理解成这样件事：AI要学会在"随机雪花堆"和"真实图片"之间建立条通道。训练时，AI会看到数对"雪花起点"和"真实图片终点"，学习如何把前者变成后者。
问题在于，这些起点（雪花噪声）是随机的，和终点（图片内容）毫关系。个比：假设你要把城市里散落在各处的快递员（起点）分别送到他们对应的收件人（终点），但你开始不知道哪个快递员应该去哪个地，于是每个快递员都先跑到城市中心的集散点，再各自散开走向目的地。结果大的路线全部交叉，造成巨大的混乱和迂回。
这种"路线交叉"问题，在这篇论文里被称为"交叉度（degree of intersection）"。当训练数据中大量不同的起点-终点对的路径互相交织时，AI就学不到干净利落的直线走法，只能学到种"平均路线"，也就是面对岔路时模糊地折中，于是生成路径就变得弯弯曲曲。步骤越少，这种弯路带来的误差越大，图像质量就越差。
解决这个问题的思路，从逻辑上很简单：让起点和终点加"匹配"。如果每个快递员开始就被安排在距离自己收件人比较近的地，那自然走的路就直。但标准的做法是把所有起点都设置为同种随机分布（标准斯分布，也就是那堆"雪花"），与终点（真实图片）之间没有关联，自然就造成了大量交叉和弯路。
---
二、让"出发点"变得聪明：κ-前向耦的设计
研究团队的个贡献怒江万能胶生产厂家，就是提出了个叫做**κ-FC（κ-Forward Coupling，κ-前向耦）**的通用框架。这个框架的核心思想，是让AI的"出发点"（源分布）不再是盲目的随机噪声，而是根据个叫做κ（读作"卡帕"）的信号来生成，这个信号可以是关于目标图片的任何线索。
κ可以是什么？可以是图片本身，可以是图片的类别标签（比如"猫"或"汽车"），也可以是描述图片的文字说明，甚至可以是随机的噪声——灵活度。κ越能代表目标图片的信息，起点和终点之间的匹配就越好，路径就越直。
具体来说，这个框架假设κ是起点和终点共同的"幕后原因"。以图片生成为例，如果κ是图片的类别标签"猫"，那么AI就会学到：凡是要生成猫的图片，起点就应该从某个和猫相关的区域出发，而不是从整个随机空间里随便挑个。这样，不同类别的路径就不会互相乱窜，大大减少了交叉。
数学上，κ-FC的实现式是用个可学习的经网络来预测起点的分布。这个网络接收κ作为输入，输出个斯分布的均值和差（可以理解为：输出"出发点大概在哪里"以及"出发点有多分散"）。这个设计让AI在训练时既能学好如何从理的起点出发，又保留了定的随机，避过于死板。
然而，事情没有这么简单。研究团队发现，如果仅仅这样做，会面临个非常棘手的两难困境，他们把它和另个AI域的经典问题联系起来，称为"先验空洞问题（prior hole problem）"。这个问题可以这样理解：如果你让起点分布跟着κ走、偏离标准随机分布，那么到了理阶段（真正用AI生成图片时），你就须提供κ才能正常生成图片，否则找不到适的出发点。但很多时候，κ（比如具体的图片内容）在理时根本不可用，你只是想凭空生成张图片而已。
与此同时，如果为了保证理时能正常使用而强迫起点分布和标准随机分布保持接近，那κ的信息就基本被浪费了，和没用κ差不多。这个矛盾依靠个叫β的参数来平衡：β越大，起点越接近标准分布，理越安全但果越差；β越小，起点越有个，果越好但理越容易出问题。而这个β需要在训练之前手动设定，旦设错，整个模型的果就会大折扣。这是κ-FC单使用时的核心限制。
---
三、MixFlow：用"混"来破解两难困境
这就是二个也是核心的贡献——**MixFlow**登场的背景。研究团队的解决案非常精巧，核心思想是：不要非此即彼，而是把两种起点分布混在起训练。
具体来说，MixFlow的起点分布是这样构成的：部分是基于κ的"有信息的"分布（输出个与目标图片相关的起点），另部分是随机的标准斯分布（传统的"雪花堆"）。这两部分按照个叫做w（混权重，介于0和1之间）的参数线混。当w=0时，用标准随机分布；当w=1时，用κ驱动的条件分布；中间的值则代表两者的混。
关键在于，训练时w是随机采样的，每次训练步骤都会随机选个0到1之间的w值。这意味着AI在训练时会看到从随机起点到条件起点的所有可能出发式，从而学会在整个这个连续空间内都能正常工作。用快递员的比喻来说：训练时，有时快递员被安排在精确的附近位置（w=1），有时在城市的随机位置（w=0），多时候是在两者之间的某个地。AI学会了处理所有这些情况，所以理时即使只能用标准随机起点（w=0），它也能走出直的路——因为训练时那些"有信息的起点走直路"的经验已经被迁移到了随机起点上。
妙的是，这种混设计使得β可以设置得其小（小到10的负5次量），而不会造成训练不稳定或理失败。这是因为混中总有部分是固定的标准斯分布兜底，确保了整个起点空间始终被覆盖，不会出现"先验空洞"。而小的β意味着条件分布可以充分地偏离标准分布，发挥出κ信息的大价值，从而大幅降低路径曲率。
训练流程在论文中用个法清晰地写出：每次训练迭代，从训练数据中取个样本和对应的κ，随机抽取个时间点t和混权重w，根据这些计出混起点分布，从中采样起点，再计路径中间点，后优化流模型和条件分布网络两套参数。损失函数由两部分组成：是让模型预测正确路径向的主损失，二是个很小权重的KL散度正则项，止条件分布"跑偏"。
理时，如果κ可用，就可以选择任意w值来控制起点（w越大，起点越贴近目标，路径越直，但需要κ）；如果κ不可用，就退回到标准斯起点（w=0），此时也能受益于训练时混带来的轨迹。
---
四、实验结果：数字说明了什么
研究团队在三个图像生成基准数据集上验证了MixFlow的果，分别是CIFAR10（包含10类32×32小图片，如猫、狗、汽车等）、FFHQ（人脸图片，64×64分辨率）和AFHQv2（各类动物脸，64×64分辨率）。
在CIFAR10上，评估分三种场景进行。种是"完整模拟"场景，用种叫RK45的自适应步长求解器，让AI走满整条路径，用FID（Fréchet Inception Distance，越低越好）来衡量质量。MixFlow得到了2.27的FID，而标准整流流是2.58（降低了约12），此前佳基线Fast-ODE是2.45、QAC是2.43，MixFlow都优于它们，同时计步数（约125步）基本相当。二种是"少步数"场景，只用5步计（Heun二阶求解器）。MixFlow得到19.29，Fast-ODE是24.40，QAC是19.68，万能胶生产厂家MixFlow再次胜出。三种是9步的情况，MixFlow是8.97，Fast-ODE是9.96，QAC是10.28，差距进步拉大。
关于轨迹曲率的直接测量，研究团队生成了10000条轨迹并计平均曲率。标准整流流的曲率是0.0467，Fast-ODE降到了0.0388，而MixFlow进步降到了0.0366，比Fast-ODE低了约5，比标准整流流低了约22。曲率越低，意味着路径越直，少步数时的误差越小，图像质量越好。
在FFHQ和AFHQv2数据集上，研究团队与Fast-ODE进行了详细对比。Fast-ODE需要针对不同的使用场景手动调整β值（论文中给出了β=10、20、30三组），而MixFlow只需固定β=5×10^-5，却在几乎所有计步数下都优于Fast-ODE的所有β设置。举例来说，在FFHQ用128步时，Fast-ODE好结果是4.93（β=30），而MixFlow是3.75；在AFHQv2用128步时，Fast-ODE好是3.96（β=30），MixFlow是3.33。MixFlow的优势在步数时尤为明显，体现出强的终生成质量上限。
在训练率上也有惊喜：MixFlow只需完成约60的训练迭代量，就能达到Fast-ODE完整训练后的同等能。这意味着不仅理快，训练本身也节省计资源。
---
五、κ怎么选？越了解目标，果越好
研究团队还门分析了κ的选择对果的影响，做了三种对比实验，全部在w=0（标准斯起点）的条件下评估，以确保公平比较。
种是κ=数据样本本身（即把真实图片作为κ输入给条件网络，训练时可用，理时不可用但已将信息迁移到轨迹上），这是默认和佳选择，在所有步数下FID低，2步时157.43、4步时49.83，路到128步时2.82。
二种是κ=类别标签（比如"猫"、"汽车"等，理时可提供），称为κc。果比标准整流流好，但不如数据样本那么强。在w=0时：2步160.17、4步48.65，128步2.82，和κn大体相当。
三种是κ=标准斯噪声（随机，与目标图片关），称为κn。令人有些意外的是，即使κ是信息的噪声，果依然比标准整流流好。2步时157.43、4步49.83，128步2.79，略微优于κc的w=0结果。这说明可学习的前向耦本身的优化机制起了作用——即使κ没有真实信息，网络也会在优化中学到把噪声映射到某个理的起点区域。
当κ=类别标签且在理时也提供κ（可以调节w）时，有个有趣的发现：步数很少（2步、4步）时，增大w（多使用条件分布作为起点）能显著FID；步数充足时，w=0（标准斯起点）反而好。这意味着，在已知类别标签的情况下，可以根据"我有多少计预"来动态调整w，不需要重新训练模型就能在速度和质量之间灵活权衡。
---
六、β有多重要？小值才能解放潜力
研究团队还系统地探索了β（KL散度权重）的取值对果的影响。从β=∞（就是标准整流流，不用条件分布）路测试到β=5×10^-7。
结论清晰：随着β从∞减小到10^-5，各步数下的FID持续下降，在β=10^-5时达到佳水平（例如128步FID从3.04降到2.52）。继续降低到10^-6，低步数时还能继续提升（2步从99.30降到93.45），但步数时开始（128步从2.52上升到3.21）。进步降低到5×10^-7，低步数继续但步数进步恶化。到β小（10^-8量）时，源分布会崩塌，不可用。
这套实验清楚地表明：β=10^-5是个良好的默认值，在各步数下都能保持稳健提升。而能把β设到这么小而不崩溃，正是MixFlow混策略的核心贡献——标准的κ-FC单使用时，β须保持在较大值（如Fast-ODE用β=10~30），才能保证训练稳定，因此法充分发挥条件分布的潜力。
---
七、这和之前的法有什么不同？
研究团队在论文中对相关工作进行了系统梳理，指出AI生成步数问题的法大致分三条路线，MixFlow属于其中少被充分挖掘的那条。
条路线是"蒸馏"，也就是让个大模型去教个小模型，或者门训练个能步到位的模型。这类法虽然能实现单步生成，但往往需要多次重新训练，而且在步数多时反而比原始模型差。MixFlow只需训练次，对所有步数选择都有，并且与蒸馏法兼容，可以在MixFlow训练的模型上再做蒸馏。
二条路线是"好的求解器"，在理时用精密的数值法来走路径。这好比同样的弯曲山路，用的航系统，但路还是弯的。MixFlow则是从源头减少路的弯曲程度，与好的求解器兼容、可以叠加使用。
奥力斯 万能胶生产厂家 联系人：王经理 手机：13903175735（微信同号） 地址：河北省任丘市北辛庄乡南代河工业区
三条路线就是"优化前向耦"，也是MixFlow所属的向。此前的代表工作有小批量优传输（Minibatch-OT）和Fast-ODE。前者在每个批次内寻找优匹配，但受制于批次大小，果有限；Fast-ODE则是把条件分布参数化为数据样本的函数并联优化，但受β参数困扰，且κ只能是训练时可见的数据样本，灵活受限。MixFlow通过将κ的定义广到任意信号，并引入混策略解决参数困境，在通用和果上都有所提升。
此外，还有项工作QAC（学习量化自适应条件），通过给流模型加上可学习的表示来减小曲率，但仍然假设起点和终点之间是立的耦关系。MixFlow则直接破了这个假设。
---
八、局限与未来向
研究团队在论文结尾坦诚地指出了当前法的两个主要局限。
其，κ目前只在噪声、类别标签、图片样本三种形式上进行了测试。对于文本提示（比如"只坐在草地上的橘猫"）这类复杂的条件信号，理论上框架支持，但实验验证尚未完成。鉴于当前大量生图模型以文本为条件，这个向的扩展对实际应用具有重要价值。
其二，MixFlow虽然让条件分布能充分地偏离标准斯分布，但在技术上仍然要求源分布是斯形式（均值和差参数化的斯分布）。复杂的非斯分布可能带来进步的曲率降低，是值得探索的放松向。
说到底，MixFlow的本质是个训练策略的改进，而不是对模型架构的颠覆。这意味着它可以非常便地集成到现有的流模型训练流程中，额外成本仅仅是多训练个约2M参数的小型条件网络，以及在每步训练时多采样个混权重。整体计开销的增加相当有限，但换来的是显著的质量和速度，这种"价比"在实际应用中是非常有吸引力的。
---
归根结底，这项来自马克斯·普朗克信息研究所的研究，干的是件听起来简单但影响远的事：让AI生图时"走直的路"。通过给AI的出发点注入点关于目标的线索，并用混策略避由此带来的各种麻烦，终的结果是：同样的计步数，图片质量好；相同的图片质量，所需步数少；同样的训练资源，收敛快。对于依赖图像生成AI的各类应用场景，这意味着快的响应速度和低的计成本。
这项工作自然也引出了值得思考的问题：当κ扩展到文字描述时，果会怎样？能否把这套思路用于生成或3D生成这类维的任务中？现有的混比例w在理时是固定的，能否根据图片内容自动选择优的w？这些问题，也许就是这个研究向下步有价值的探索空间。有兴趣入了解全部技术细节的读者，可以在arXiv上通过编号2604.09181找到完整论文。
---
Q&A
Q1：MixFlow和普通的AI图像生成模型相比，究竟改进了什么？
A：普通的AI图像生成模型（如整流流）从随机的噪声出发生成图片，这个起点和目标图片之间没有任何关联，致生成路径弯弯曲曲，需要很多步计才能得到好结果。MixFlow通过引入个条件网络，让起点根据目标图片的相关信号（如类别标签或图片本身）做出调整，同时把这种有信息的起点和传统随机起点混训练，结果是路径直，少步数时图片质量好，平均FID提升约12，训练收敛速度也快了约40。
Q2：MixFlow需要额外提供什么信息才能用？理时须给出图片内容吗？
A：不是须的。MixFlow在训练时用到了条件信号κ（比如图片本身或类别标签），但这种训练经验已经被迁移到了整个模型的轨迹结构中。理时，如果没有任何条件信号，模型可以退回到标准斯起点（混权重w=0）正常生成，依然能享受到训练时混策略带来的曲率。如果有类别标签可用，则可以通过调节w来进步提升质量或减少所需步数，灵活很强。
Q3：β参数在MixFlow里为什么可以设得这么小，而Fast-ODE不行？
A：Fast-ODE如果把β设得很小，条件分布会偏离标准斯分布，致理时没有条件信号就找不到适的起点，即"先验空洞问题"。MixFlow通过在源分布中始终混部分固定的标准斯分布兜底，保证了即使条件分布偏离很远，整个起点空间仍然被覆盖，理时随时可以用标准起点。这就是为什么MixFlow可以安全地把β设到10^-5甚至小，从而让条件分布充分发挥信息优势，大幅降低轨迹曲率。
相关词条:罐体保温 塑料挤出设备 钢绞线 超细玻璃棉板 万能胶1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定怒江万能胶生产厂家，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。