在生成式AI的浪潮中，我们见证了从StableDiffusion到FLUX、Qwen-Image等大规模扩散模型的画质飞跃。然而，这种飞跃并非没有代价。为了从纯噪声中“雕刻”出清晰的图像，这些模型通常需要进行40到100步（NFE）的迭代去噪。这种延迟使得模型很难真正应用于实际的实时生成或大规模服务。

于是，“少步生成”（Few-stepGeneration）成为了必争之地。对于原本教师模型曲折的生成轨迹，目前的少步加速方案（如ProgressiveDistillation,DistributionMatching等）都在试图做同一件事：把弯路拉直，一步到达终点。

然而，原本高维空间的生成轨迹极其复杂，强行“拉直”会导致轨迹上的几何失配（GeometricMismatch）。这直接导致了少步生成时的结构崩坏和细节丢失。

有没有一种方法，既能快，又能顺应原本蜿蜒的生成轨迹？

复旦大学与微软亚洲研究院带来的ArcFlow给出了答案：如果路是弯的，那就学会“漂移”，而不是把路修直。

论文地址：https://arxiv.org/abs/2602.09014

项目代码：https://github.com/pnotp/ArcFlow

一、困境：为什么“走直线”难以学习？

在扩散模型中，教师模型（Pre-trainedTeacher）的生成过程本质上是在高维空间中求解微分方程并进行多步积分。由于图像流形的复杂性，教师模型原本的采样轨迹通常是一条蜿蜒的曲线，其切线方向（即速度场）随时间步不断变化。

为了加速，现有的蒸馏方法（如ProgressiveDistillation,Instaflow等）尝试将这个轨迹压缩成一步直线抵达。它们的逻辑是：既然走曲线慢，那就训练学生模型，把起点（噪声）和终点（图像）之间连成一条直线。如果学生能学会走这条直线，那推理不就只需要一步了吗？

这种策略带来了两个致命问题：

1.几何失配（GeometricMismatch）：教师模型原本的权重是基于曲线轨迹训练出来的。强行让学生模型去拟合一条直线，相当于让它“背叛”教师原本的生成先验。这种几何上的不匹配，导致学生模型很难学，或者学出来的东西结构崩坏。

2.学习成本高：为了强行扭转轨迹，学生模型往往需要进行全参数微调（FullFine-tuning）。这不仅训练慢、显存开销大，而且容易导致“灾难性遗忘”，破坏大模型原本优秀的泛化能力。

所以我们经常看到：很多蒸馏后的模型，虽然速度快了，但生成质量不稳定，甚至对复杂的Prompt理解能力下降。

如果不强制拉直，我们还能怎么快起来？

二、洞察：速度场不是随机的，它是连续的

ArcFlow团队重新审视了教师模型的轨迹，根据ODE的理论规律，在相邻的时间步之间，去噪的速度方向并不是跳跃式变化的，而是存在极强的相关性。这就像一辆赛车在过弯道，下一秒的方向和速度，很大程度上取决于当前秒的状态和惯性。既然教师模型的轨迹本身就是连续变化的，为什么我们不直接去建模这种“变化规律”，而不是强行把它改成直线呢？

如果我们能找到一种参数化方法，能够描述这种“弯曲”的趋势，那么学生模型就不需要费力去把路拉直，而是可以顺着教师的势能，用极少的步数“滑”向终点。

基于这个核心洞察，ArcFlow诞生了。

三、ArcFlow的三大杀手锏

1.动量参数化（MomentumParameterization）：给生成过程加个“惯性”

为了捕捉上述的“速度连续性”，ArcFlow引入了物理学中经典的“动量”（Momentum）概念。

在传统方法中，模型在每个时间步独立预测速度。而在ArcFlow中，我们将速度场建模为多个连续动量过程的混合。通俗来说，模型不仅预测当前的“速度”，还预测了一个“动量因子”（MomentumFactor）。这个因子描述了速度随时间衰减或增强的趋势。这就好比我们知道了物体的初速度和受力情况（动量），哪怕不看中间过程，我们也能通过物理公式直接预判它未来的轨迹是弯曲的还是笔直的。

这一设计让ArcFlow能够显式地构建非线性轨迹。在2-4步的极少步数下，这种非线性轨迹比生硬的直线能更精确地贴合教师模型的原始路径。

2.解析求解器（AnalyticSolver）：数学层面的“零误差”

既然已经用“动量公式”完美定义了速度随时间的演变规律，那么这条轨迹的积分就是可解析的。

也就是说，我们可以推导出一个闭式解（Closed-formSolution）。

这意味着，ArcFlow不需要像传统求解器那样通过离散步去拟合轨迹。它只需要一次前向传播，就能通过数学公式，精确无误地计算出任意时间间隔后的终端状态。

这种数学层面上的“零误差”积分，是ArcFlow能够实现高精度流匹配的关键。它消除了传统蒸馏方法中的离散化噪声，让生成的图像细节清晰。

3.极简训练策略：