ICLR 论文提出 SGFlow：无需梯度反传的高效流匹配学习

kwangmoo_yi · x · 2026-08-06

扩散和流模型在推理时需要积分计算，带来较大开销。一致性模型通过直接学习 ODE 轨迹上的流映射来缓解此问题，但现有方法常面临模型求逆或迭代反向传播的计算挑战。

ICLR 2026 接收的论文《Flow Map Learning via Nongradient Vector Flow》提出了 SGFlow 方法。该方法通过遵循具有平稳点的非保守动态，从头训练模型来计算 ODE 解及其隐含速度，从而绕过了显式可逆性约束和昂贵的模型迭代微分。在 CIFAR 图像基准测试中，SGFlow 在 10 步采样时取得了最佳 FID，并在其他步数下保持竞争力，同时是唯一具有基于 stopgrad 动态的平稳点保证的方法。