从一步生图到流式视频：清华团队探索「样本分布训练」
2026.10.12 · 事件 · 论文 · 媒体报道
清华等提出 MGFlow 与 Elastic Forcing，用分布级监督替代逐样本对答案。
清华大学等机构研究者提出样本分布训练，通过比较生成样本与参考样本的整体分布提供监督。MGFlow 在 ImageNet 256×256 一步生成取得 FDr⁶ 1.45、1.64 的 SOTA，并将 FLUX.2 [klein] 4B 后训练为一步生成器；Elastic Forcing 用 8 张 H200、23.2 小时完成 14B 视频模型流式生成改造，VBench 总分 84.64。
- MGFlow 一步生成 ImageNet 256×256 达 FDr⁶…
- FLUX.2 [klein] 4B 一步生成 GenEval 0.900…
- Elastic Forcing 用 8 张 H200、23.2 小时改造…
- 1.3B 对照 VBench 总分从 83.80 提升至 84.64
- 14B 盲评均分 3.354，高于 Krea Realtime 的 3.054
为什么值得看
少步生成是实时多模态交互的关键，两项工作给出可执行路线。
适合谁关注
关注生成模型、视频生成与训练方法的研发人员。