TiM 团队投稿
量子位 | 公众号 QbitAI
生成式 AI 的快与好，终于能兼得了
从 Stable Diffusion 到 DiT、FLUX 系列，社区探索了很多技术方法用于加速生成速度和提高生成质量，但是始终围绕扩散模型和 Few-step 模型两条路线进行开发，不得不向一些固有的缺陷妥协。
这便是训练目标引发的“生成质量”与“生成速度”之间的矛盾根源
要么只监督无穷小局部动力学（PF-ODE），要么只学习有限区间的端点映射，两者都各有内在限制。
一项新研究提出了名为Transition Model（TiM）的新范式，试图从根本上解决这一矛盾。
它放弃了传统扩散模型学习“瞬时速度场”或 Few-step 模型学习“端点映射”的做法，转而直接建模任意两个时间点之间的完整状态转移。
这意味着 TiM 在理论上支持任意步长的采样，并能将生成过程分解为多段粒度可灵活调整的细化轨迹
什么是 Transition Model？
为什么说“PF-ODE”与“概率分布匹配”对于生成模型都不是理想的训练目标？
来看扩散模型，它以迭代去噪获得高保真，在于它学习的是 PF-ODE 的局部向量场，训练时只对无穷小时间步的瞬时动力学做监督，采样时必须用很小步长或高阶多步求解器来压离散误差，导致 NFEs 居高不下。
又比如少步生成（如 Consistency/Shortcut/Distillation/Meanflow）虽快，但因为没有刻画中间动力学，增步后收益很快饱和，常遭遇 “质量天花板”，增加步数反而不再带来收益，生成能力上限不及扩散模型。
这些固有的缺陷来源于模型训练过程中监督信号的引入方式，或是求解局部的 PFE 方程，或是匹配固定的概率分布；换句话说，生成过程中，模型做出预测被 clean data 所监督的粒度，直接决定了模型在推理过程中的离散误差和生成质量上限。
所以，对于生成模型，什么才是一个合适的训练目标呢？
从扩散模型与 Few-step 模型的训练目标的局限性出发，可以得到以下分析——
局部（无穷小）监督：PF-ODE/SDE 类目标。
这类目标只在极小时间步上拟合瞬时动力学（Δt→0），要想维持连续时间解的精度，采样时就必须用很小步长/很多步，于是 NFEs 很高；一旦把步数压到很少，质量就会明显掉队。
因此，对于能够带来高保真度的局部监督信号而言，时间区间，或者说单步步长理想情况下应该是要能灵活改
全局端点监督：few-step/一致性/蒸馏一类目标/mean-flow/short-cut。
这类训练目标学习固定跨度的端点映射（或者平均速度场），核心是一步 “吃掉” 整段轨迹，因而少步很强；但因为 “把整条轨迹平均化”，细节动力学被抹掉，再加步也难以继续提升——出现质量饱和。
因此，训练目标应该要求沿轨迹保持一致，要存在中间步骤充当单个轨迹的细化，而不是偏离新的轨迹，这使得 sampler 对采样规划不敏感，并能够通过更多步骤实现稳定的质量改进。
因此，一个能兼得快速生成（few-step）与高保真度生成（扩散模型）的训练目标应该是：
在“多段细化轨迹”里实现“灵活的单步尺寸”（任意步长），这便是 Transition Model。
想要兼得推理速度与高保真度质量，需要一个核心设计，“在多段细化的轨迹”里面实现“灵活的单步尺寸”。
这一工作基于此设计了 Transition Model：
将模型的训练从单一时刻t，拓展到建模任意两个时刻t与r的状态x_t, x_r.
设计1：实现“灵活的单步尺寸”
对于给定的两个时刻t与r之间的状态转移，通过化简其微分方程得到了“通用状态转移恒等式”（State Transition Identity）；基于通用状态转移恒等式，得以描述任意的一个时间间隔内的具体状态转移，而不是作为数值拟合求解。
设计2：实现“多段细化轨迹的生成路径”
在设计 1 中，已经实现了任意步长（任意时间间隔）， 因此对于多段细化轨迹的生成路径，这个方法就可以直接的描述任意时刻t下对于此前任意时刻r之间的状态转移，那么“多段细化的生成路径”就变成了“任意状态与前状态之间的状态转移动态（state transition dynamics）”，这样就能在保持快速生成的同时保证高保真度的生成质量。
通过设计 1 和设计2，这篇文章提出的 Transition Model 将“在任意状态下，任意时间间隔内，与前状态之间的状态转移的动力学方程”作为训练目标，它就满足了兼得推理速度与高保真度质量的核心设计。
Transition Model 的数学本质
Diffusion model 是建模瞬时速度场，局限性是瞬时速度需要时间区间趋近于0；
Meanflow 核心是建模平均速度场，局限性是平均速度丢了局部优化的 dynamics 细节，生成质量早早收敛，过了 few-step 后近乎为定值；
不同于前两者，Transition Model 做的是任意时间区间的任意状态间的状态转移，可以认为是任意速度场，自然而然地包含了瞬时速度和平均速度；
从解的形式上讲 Diffusion 是局部 PF-ODE 的数值解，meanflow 是局部平均速度场中的解集，transition model 求的是全局生成路径上的解的流型，special case 情况下可以退化为平均速度场，解的流型退化为局部解集。
作者们主要在图文生成（Text-to-Image）任务上进行了验证
在 Geneval 数据集上，分别比较了 Transition Model 在不同推理步数（NFE）， 不同分辨率，不同横纵比下的生成能力：
这篇文章发现 865M 参数大小的 Transition Model（TiM）可以在明确地超过 FLUX.1-Schnell（12B 参数）这一蒸馏模型；与此同时，在生成能力上限上也可以超过 FLUX.1-Dev（12B 参数）
并且由于 TiM 结合了 Native-Resolution 预训练的训练策略（详见 Native-Resolution Image Synthesis），这篇文章所提出的模型在分辨率和横纵比上也更加灵活。
Transition Model 的训练稳定性与扩展性
让 Transition Model 训练具有可扩展性.
在 Transition Model 的训练过程中，它的训练目标的关键在于计算网络关于时间的导数$\frac{\mathrm{d} f_{\theta^{-}， t, r}}{\mathrm{d} t}$
以 MeanFlow 和 Short-cut Model 为代表的既有方法通常依赖雅可比—向量乘积（JVP）来完成这一计算。
然而，JVP 在可扩展性上构成了根本性瓶颈：
不仅计算开销高，更麻烦的是它依赖 Backward 自动微分，这与诸如 FlashAttention 和分布式框架 Fully Sharded Data Parallel（FSDP）等关键训练优化并不兼容，致使基于 JVP 的方法难以实际用于十亿参数级的基础模型训练。
为此，他们提出差分推导方程（DDE），用一种有原则且高效的有限差分近似来突破该限制：
如表中所示，这篇文章所提出的 DDE 计算方式不仅比 JVP 约快 2 倍，更关键的是其仅依赖前向传播，与 FSDP 天然兼容，从而将原本不可扩展的训练流程变为可大规模并行计算的方案.
让 Transition Model 训练更加稳定.
除了可扩展性，基于任意时间间隔训练的另一大挑战是控制梯度方差
比如，当转移跨越很大的时间间隔（$\Delta t \to t$）时，更容易出现损失突增。
为缓解这一问题，作者们引入一种损失加权策略，优先考虑短间隔转移——这类转移更为常见，也能提供更稳定的学习信号。
其中，$\tau (\cdot)$是对时间轴进行重新参数化的单调函数。
在这篇文章最终模型中，他们采用正切空间变换（tangent space transformation来有效拉伸时间域，从而得到具体的加权形式：
其中，$\sigma_{\text{data}}$表示干净数据（clean data）的标准差，这一方法有效地提升了训练的稳定性。
研究团队提出了 Transition Model（TiM）作为生成模型的新的范式：
不再只学习瞬时向量场或固定跨度的端点映射，而是直接建模任意两时刻间的状态转移，用“通用状态转移恒等式”支撑任意步长与多段细化轨迹，从而兼顾少步速度与高保真质量。
在理论上，从学习生成路径上特定的解拓展到学习全局生成路径的解的流形；在实践上，通过 DDE 的前向有限差分替代 JVP，原生兼容 FSDP/FlashAttention、训练更快更可扩展；同时用时间重参化+核函数的损失加权优先短间隔，降低梯度方差、提升稳定性。
实验表明，TiM-865M 在多分辨率与多横纵比设置下，少步即可超越 FLUX.1-Schnell/Dev（12B）的速度-质量权衡。
总体而言，TiM 以全局路径视角尝试解决“速度与质量难两全”的根本矛盾，提供了更通用、可扩展且稳定的生成建模。
