待验证50% 置信事实精确时间
相比基于分数函数的扩散模型，流匹配训练目标更简洁，轨迹可设计为直线（rectified flow），从而在更少推理步数内完成高质量生成
1
来源数
50%
置信度
长期有效
时效性
2026/9/23
首次发现
来源
涉及实体
相关事实
待验证扩散模型在全局一致性上表现更好但推理速度较慢，自回归模型以逐帧或逐片段方式生成75% 相似待验证高效的推理引擎能够加速rollout生成，从而缩短RL训练的迭代周期72% 相似已验证微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低71% 相似待验证四步生成背后的技术原理通常来自一致性模型（Consistency Model）或流匹配（Flow Matching）等加速采样范式，通过蒸馏训练让模型在稀疏时间步上准确预测去噪方向71% 相似待验证LARA 训练得到的行为在推理阶段可以被加载、移除、混合（blend）或路由（route），模型本身保持冻结不变71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/945378API
curl https://kongchang.com/api/v1/knowledge/claims/945378MCP
get_claim(id=945378)