生成建模与扩散
突破级
暂无讲解视频
收录解读
这篇论文把 on-policy distillation 引入 flow matching models。它的价值在于把生成模型 distillation 从离线 teacher imitation 推向更接近当前模型采样分布的训练。
Flow matching 已经是扩散/生成建模的重要替代路线，蒸馏效率直接影响推理成本和部署可行性。On-policy distillation 如果稳定，会成为一类通用加速机制。
它值得正式收录，因为本库关注生成模型的 durable method primitive，而 Flow-OPD 正是训练/蒸馏层面的可复用方法。
它没有更高，是因为生成模型蒸馏方法需要跨架构、跨数据集、跨采样预算证明稳定收益。