MeanFlow：一步生成的平均速度重参数化、证据强度与失效边界

领域： 生成模型（扩散 / 流匹配 / 一步生成）　核心论文： Mean Flows for One-step Generative Modeling，NeurIPS 2025 Main Conference，Oral。
证据约定： “论文原报”指正文或附录的明确数字；“本报告复算”只做四则运算并给出原始表格；“论文未报告”绝不补值。PDF 页码均指论文文件显示页码。链接与页面状态核验于 2026-09-16。

0. 先读结论：它真正解决了什么

MeanFlow 的重要性不在“又一个 FID SOTA”，而在于它把一步生成从教师—学生蒸馏、显式课程或多阶段优化中抽离出来：模型直接学习任意时间区间 [r,t] 的平均速度 u(z_t,r,t)，并用 u = v − (t−r) d u/dt 把不可直接监督的平均量变成可计算的自举目标。论文在 ImageNet 256×256 上从头训练，MF‑XL/2 以 1‑NFE 达到 FID 3.43（表 2，PDF p.9），相对同为 1‑NFE、同为 676M 参数的 Shortcut‑XL/2 的 10.60，绝对降低 7.17、相对降低 67.64%（本报告复算）。但这不是无条件的“免费一步”：训练仍使用大规模 ImageNet、固定 VAE、CFG、JVP，且无随机种子方差或显著性检验；CIFAR‑10 上 MeanFlow 的 FID 2.92 还弱于 iCT 的 2.83（表 3，PDF p.9）。

1. 链接验证表

链接边界。 Papers with Code 的论文条目在本次访问中没有得到稳定可读页面，因此候选收集只把它作为交叉检索入口，不将其页面当作定量证据。Semantic Scholar、Hugging Face、arXiv、OpenReview/会议 proceedings 用于发现与身份交叉核对；本文所有实验数字仍只取自实际读取的论文 PDF。

2. 候选池与随机选择

运行日为周三，轮转领域为生成模型。先检查 ml-report-index.md，剔除最近 14 天已深度覆盖的 LongLive（长视频流式生成）、DreamGen（视频世界模型生成机器人轨迹）、Ambient Creativity（扩散记忆控制）及相邻主题。候选来自 NeurIPS/ICLR proceedings、OpenReview、arXiv、Hugging Face Daily Papers，并用 Semantic Scholar 与 Papers with Code 做名称与版本交叉检索；共保留 24 篇，均不超过 24 个月，优先近 12 个月主会 / 高质量预印本。

在固定 N=24 后执行系统命令 shuf -i 1-24 -n 1，输出 8，因此选中 MeanFlow。论文、附录、正式会议身份、代码和主结果齐备，不触发“资料严重不足”条件；重抽次数为 0。这一步意味着选择不是按热度或报告者偏好挑选，后续批判也不能因论文知名度而放宽证据标准。

3. Motivation：一步生成真正卡在哪里

Flow Matching 学习的是每个时刻的瞬时速度 v(z_t,t)。如果要从噪声 z_1 到数据 z_0，通常需数值积分 ODE；一步 Euler 仅用 z_0≈z_1−v(z_1,1)，把整段弯曲轨迹压成端点切线，误差会很大。Shortcut 的同算力 DiT‑B 对照非常直观：ImageNet 256 上，普通 flow matching 的 1-step FID 为 324.8，Shortcut 为 40.3；到 128-step 才分别变为 17.3 与 15.5（Shortcut 表 1，PDF p.8）。这说明困难不是网络“完全不会生成”，而是训练对象与推理所需的有限区间位移不一致。

现有三类补救各有成本。第一类蒸馏从强教师抽取一步学生，但需要预训练教师与额外训练阶段；第二类 consistency training 强迫不同噪声层输出一致，训练稳定性依赖课程、权重和离散化；第三类 Shortcut 直接条件化 step size，让一个模型覆盖不同积分步长，却仍受噪声—数据 coupling 影响。MeanFlow 的切入点是：既然一次跳跃真正需要的是 z_t 到 z_r 的平均速度，为什么不直接学习它？

量化上，这个问题的价值足够大：核心论文的 MF‑XL/2 在 1‑NFE FID 3.43，而同参数量 Shortcut‑XL/2 为 10.60（MeanFlow 表 2，PDF p.9）；但多步生成的 SiT+REPA 已达 1.42，说明一步模型仍有 2.01 FID 的绝对差距。因此论文不是“终结多步生成”，而是在一次函数求值的约束下重写了可学习对象。

4. 故事线、核心假设与权衡

论文的故事线可以压成四步。其一，定义区间平均速度，使有限步位移成为精确积分量。其二，从微积分推导平均速度与瞬时速度之间的恒等式。其三，把恒等式右端视为 stop-gradient 目标，利用 JVP 高效计算沿轨迹的全导数。其四，把 CFG 直接并入训练目标，使推理仍只调用一次网络。

它依赖三项关键假设。可表示性假设： 单个条件网络能同时拟合大量 [r,t] 区间；自举稳定性假设： 目标包含当前网络导数时，stop-gradient 足以避免塌缩；分布覆盖假设： 训练采样的时间区间、CFG 权重和 latent 数据覆盖推理端 r=0,t=1 的关键区域。换来的好处是无需教师、无需预训练、无需显式 curriculum；代价是训练目标更复杂、需要 JVP，且质量对时间采样与 CFG 非常敏感。

5. 方程级形式化

5.1 从概率路径到瞬时速度

取数据 x~p_data 与噪声 ε~N(0,I)，构造线性或一般概率路径

z_t = a_t x + b_t ε，　t∈[0,1]。

条件速度为路径导数 v_t(x,ε)=d z_t/dt；边缘速度是给定 z_t 后的条件期望

v(z_t,t)=E[v_t(x,ε) | z_t]。

它定义 ODE d z_t/dt = v(z_t,t)（MeanFlow 式 (1)–(2)，PDF p.2–3）。标准 Flow Matching 用回归训练 v，采样时仍需从 1 积到 0。

5.2 平均速度是有限位移的正确对象

对任意 0≤r≤t≤1，定义

u(z_t,r,t) = 1/(t-r) ∫_r^t v(z_τ,τ)dτ。

于是精确位移满足

z_r = z_t − (t−r) u(z_t,r,t)。

特别地，若 r=0,t=1，只要网络给出整段平均速度，就能一步得到 z_0=z_1−u(z_1,0,1)（式 (3)、(12)，PDF p.3、p.5）。注意这不是近似 Euler：若 u 完全正确，这个有限区间更新就是定义上的精确积分。

5.3 MeanFlow 恒等式

令 Δ=t−r。由 Δu=∫_r^t v dτ 对 t 求全导数，得到

u(z_t,r,t) = v(z_t,t) − (t−r) d u(z_t,r,t)/dt。

而 u 同时依赖状态 z_t 与显式时间 t，全导数展开为

d u/dt = (∂u/∂z_t)·v(z_t,t) + ∂u/∂t，

也就是对网络 u_θ(z_t,r,t) 做方向为 (v,0,1) 的 JVP（式 (6)、(8)，PDF p.4–5）。r 在求导时固定，所以中间分量必须是 0。论文的消融显示，把方向误写成 (v,0,0)、(v,1,0) 或 (v,1,1)，FID 会从 61.06 恶化到 268.06 / 329.22 / 137.96（表 1b，PDF p.7），因此 JVP 不是实现细节，而是方法语义本身。

5.4 自举目标与停止梯度

目标写成

u_tgt = sg[v − (t−r) JVP(u_θ; (v,0,1))]，

L = E[w · ||u_θ(z_t,r,t) − u_tgt||²]。

sg 表示停止梯度，避免网络通过同步移动预测与目标来构造退化解。论文在式 (9)–(11) 中还使用自适应权重，对误差幅值进行幂次调节（PDF p.5–6）。训练并非每次都采 r<t：表 1a 显示若 r≠t 的比例为 0%，FID 328.91；提高到 25% 为 61.06，50% 为 63.14，100% 为 67.32（PDF p.7）。保留部分 r=t 的瞬时速度任务，相当于给自举系统一个锚点。

5.5 训练与一步采样伪代码

repeat:
    x ~ p_data, ε ~ N(0, I)
    sample t and r ≤ t; construct z_t = a_t x + b_t ε
    compute analytic conditional velocity v_t(x, ε)
    predict u = u_θ(z_t, r, t, class)
    compute J = JVP[u_θ] along tangent (v_t, 0, 1)
    target = stopgrad(v_t - (t-r) * J)
    update θ on adaptive_weight(u,target) * ||u-target||²

sampling (1-NFE):
    z_1 ~ N(0, I)
    z_0 = z_1 - u_θ(z_1, 0, 1, class; CFG folded into target)
    image = VAE_decode(z_0)

这里“1‑NFE”只计算一次主网络，不等于整个系统只有一次算术操作：还包含噪声采样、VAE 解码，并且训练端包含 JVP。

6. 关键机制与工程细节

论文附录报告：在 TPU v4‑8 上，每步 wall time 从不带 JVP 的 0.045 s 增至 0.052 s，相对开销约 16%（附录 B.4，PDF p.16）。这支持“JVP 训练开销可控”，但不能外推到 GPU，因为官方主实现明确写着在 TPU 上测试，论文未给 GPU kernel、显存峰值或端到端能耗。

7. 数据集、基准与指标

ImageNet 256×256。 类条件生成，固定 VAE 将图像编码到 32×32×4 latent；主指标为 50K 样本 FID。FID 越低越好，但它只比较特征分布的均值与协方差，不能单独证明语义忠实、多样性无坍缩或单样本质量。默认主结果强调 1‑NFE；2‑NFE 结果是另一个计算预算，不能与 1‑NFE 混作等预算排名。

CIFAR‑10。 使用约 55M 参数 U‑Net，报告无条件生成 FID。它用于检验方法是否只在 ImageNet latent DiT 配方上成立。MeanFlow 为 2.92，低于多数 consistency / moment matching 对照，但没有击败 iCT 的 2.83（表 3，PDF p.9）。

NFE。 一次神经函数求值是推理主干的调用次数；它比“采样步数”更公平，但不同模型的单次 FLOPs、VAE、CFG 实现仍可能不同。论文表 4 给部分 FLOPs，却没有把所有基线统一到实际延迟或能耗。

8. 主结果数据矩阵

8.1 ImageNet 256：1‑NFE 等预算核心矩阵

对最强同类 Shortcut，绝对降低 10.60−3.43=7.17，相对降低 7.17/10.60=67.64%（本报告复算）。模型从 131M 扩到 676M，FID 从 6.17 降到 3.43，绝对改善 2.74、相对改善 44.41%（本报告复算）；规模收益明显但非线性，L→XL 只改善 0.41。

8.2 更宽方法谱系：不可混淆 NFE

这张表刻意不制造“五基准×六方法”的假矩阵：核心论文只给 ImageNet 与 CIFAR 两个基准，且不同论文的训练数据、架构和 NFE 并不统一。能推出的是“一步预算下 MeanFlow 显著推进了 FID”；不能推出的是“它在所有生成范式、所有延迟与质量维度全面领先”。

8.3 CIFAR‑10 外部有效性

因此，“ImageNet 的大幅领先”没有在 CIFAR 上等比例复现。相对 iCT，MeanFlow 的 FID 高 0.09，即相对差 3.18%（本报告复算），而且论文未给方差，不能判断 0.09 是否超出训练随机性。

9. 逐层消融：从必要条件到锦上添花

第一层：任务定义。 没有非零区间样本（r≠t=0%）时 FID 328.91，加入 25% 后降到 61.06；但 100% 又退到 67.32（表 1a，p.7）。这说明平均速度任务不可缺，但纯平均速度训练也不最优；瞬时速度样本可能提供锚定。

第二层：导数语义。 正确 (v,0,1) 为 61.06，三种错误 JVP 方向均灾难性退化（表 1b，p.7）。这是最强的机制消融，因为它直接区分“恒等式正确实现”和“任意导数正则”。

第三层：条件参数化。 (t,t−r) 略优于 (t,r)：61.06 对 61.75，但差值只有 0.69；把三个量都输入反而 63.98（表 1c，p.7）。更多条件不是单调更好，冗余参数可能增加学习难度。

第四层：采样分布。 uniform 为 65.90；log-normal 的四个设置在 61.06–64.72（表 1d，p.7）。最佳 (-0.4,1.0) 相对 uniform 降低 4.84，说明时间密度有实质作用，但论文没有更细网格或跨模型验证。

第五层：损失权重。 p=1 最好 61.06；p=0 为 79.75，p=2 为 69.19（表 1e，p.7）。它呈 U 型，而不是“越关注困难样本越好”。

第六层：CFG。 在短训练 B/4 设置中，ω 从 1 提到 3，FID 从 61.06 降到 15.53；再到 5 反弹至 20.75（表 1f，p.7）。附录的修正 CFG 在固定有效 ω'=2 下，κ 从 0 的 20.15 到 0.9 的 18.63，再到 0.95 的 19.17（表 5，p.15）。CFG 贡献巨大且存在清晰甜点区。

10. 超参敏感性与“相变”

论文没有给连续相图，但离散网格显示三类相变式行为。

1. 区间监督开关： r≠t 从 0% 到 25%，FID 由 328.91 降到 61.06，绝对改善 267.85；这是从“学瞬时场”到“能学有限位移”的结构突变，而不是微调。
2. JVP 语义： 只改变切向量分量，FID 可从 61.06 变为 329.22；这说明模型没有把错误导数自动吸收进参数化。
3. 引导强度： ω=1→3 快速改善，3→5 反向恶化；κ 也在 0.9 附近呈 U 型。高引导增强类别信号，但过强会牺牲覆盖与稳定性。

无法推出的内容同样重要：论文没有对学习率、batch、EMA、模型宽度与时间采样做联合扫描，没有报告失败率，也没有给最佳超参在不同随机种子、数据集或 GPU 后端的稳定区间。因此“相变”只是对已观测离散点的描述，不是严格临界值估计。

11. 统计显著性与可重复性审计

论文未报告 ImageNet 主结果的多随机种子均值、标准差、置信区间或显著性检验；CIFAR 表 3 也只有单值。由此，7.17 FID 的大差距很难仅由噪声解释，但 0.02（相对 GigaGAN）和 0.09（CIFAR 相对 iCT）的差距不能被称为稳健胜负。

可复现性处于“代码公开但主 SOTA 非开箱复现”的中间状态。官方仓库给 JAX/TPU 代码、数据预处理、MF‑B/4 checkpoint 与 FID stats，仓库期望该 checkpoint FID 11.4；但论文表 2 的 MF‑XL/2 FID 3.43 所需完整训练资源、主权重与逐种子日志没有在已核验页面中完整提供。表 4 还存在模型参数口径冲突：M/2 在表 2 为 308M，表 4 却列 497.8M（PDF p.9 与 p.14）。这会直接影响规模—性能曲线与复现实验预算。

另一个内部不一致是 SiT：正文写 2.15，表 2 写 2.06（PDF p.8–9）。它不改变 MeanFlow 1‑NFE 的核心结论，但说明横向基线数字需要回源核查。

12. 相关工作链：问题来源、技术来源与设计传递

12.1 Flow Matching：解决“如何直接学连续流”，遗留“仍需积分”

Flow Matching 用条件概率路径构造可回归的速度目标，绕开对数似然 ODE 的高成本。它在 CIFAR‑10 上 FM+OT FID 6.35 / NFE 142，DDPM 为 7.48 / 274；ImageNet‑64 上分别 14.45 / 138 与 17.36 / 264（Flow Matching 表 1，PDF p.7）。它解决了稳定训练连续流，却仍把推理留给数值积分。MeanFlow 保留概率路径和速度回归这条主干，把学习对象从瞬时 v 改为区间平均 u。传递下来的关键设计是“用条件路径提供无模拟训练信号”；被改写的是“训练哪个场”。

12.2 iCT：解决“无需教师的一致性训练”，遗留“课程与权重依赖”

iCT 通过改进 consistency training，使 CIFAR‑10 1-step / 2-step FID 达 2.51 / 2.24，ImageNet‑64 达 3.25 / 2.77（iCT 表 2–3，PDF p.8）。它证明无需蒸馏也能做少步生成，但训练仍依赖离散化与 curriculum。MeanFlow 以连续区间 [r,t] 取代显式课程，使用恒等式自举。设计传递体现在“同一网络跨噪声层保持全局一致”；不同之处是 MeanFlow 的一致性由平均速度微积分约束表达，而非直接约束不同时间预测相等。

12.3 Shortcut Models：解决“一个模型覆盖多个步长”，遗留“coupling 与一步质量”

Shortcut 把 step size 作为条件，并以 bootstrap shortcut 训练。DiT‑B 同算力下，1-step FID 从普通 flow 的 324.8 降到 40.3，4-step 从 108.2 降到 28.3（表 1，PDF p.8）；大模型 1-step 达 10.60。论文也指出噪声到数据的映射依赖 coupling（限制讨论，PDF p.10）。MeanFlow 的 [r,t] 条件与 Shortcut 的 step-size 条件同源，但不直接让短步预测拼成长步，而是通过积分平均的恒等式连接二者。关键设计传递是“步长条件化”；回应的缺口是给该条件一个解析、可验证的速度语义。

12.4 IMM：解决“以矩匹配传播分布”，遗留“多粒子与额外 NFE”

IMM 用 inductive moment matching 让生成分布逐步接近目标，ImageNet 256 的 8-step FID 1.99，CIFAR‑10 2-step 1.98；MeanFlow 表 2 引用其 ImageNet 一步配置为 2 NFE、FID 7.77。它提供另一条无需经典教师蒸馏的少步路径，但训练/推理涉及矩估计与粒子配置。MeanFlow 把监督收缩为单轨迹的速度/JVP 恒等式。传递的是“从局部可估统计量构造全局生成映射”的思想，回应则是用解析导数替代粒子矩传播。

12.5 Improved Mean Flows：解释 MeanFlow 的后续缺口

iMF 直接审视原始 MeanFlow：原目标依赖当前网络导数，训练 CFG 固定，架构也未针对一步目标优化。它在 ImageNet 256 上逐层把 B/2 FID 从原始 6.17 推到 v-loss 辅助头 5.68、灵活 Ω 4.57、in-context 4.09、先进 block 3.82，640 epochs 为 3.39（iMF 表 1，PDF p.6）；XL 规模从原始 676M / 3.43 改进为 610M / 1.72（表 2，PDF p.7）。这说明 MeanFlow 的方程是有效底座，但其原始参数化和训练配方不是终点。设计传递最直接：保留平均速度语义，拆解目标耦合并增强条件表达。

12.6 非线性技术演进树

概率路径 / 连续流
├─ Flow Matching：学瞬时速度 v ───────────────┐
│                                             │ 仍需 ODE 多步积分
│                                             ▼
│     consistency 路线 ─ iCT ── 无教师，但依赖课程/离散化
│              └───────────────┐
│                               ├─ 全局一步映射问题
│     step-size 路线 ─ Shortcut ┘      │
│        （跨步长自举，受 coupling）    │
│                                      ▼
│                         MeanFlow：学区间平均速度 u
│                         ├─ 恒等式 u=v−Δ·du/dt
│                         ├─ JVP (v,0,1)
│                         └─ CFG 折入目标 → 1-NFE
│                                      │
│                                      ├─ iMF：解耦目标/灵活 Ω/新 block
│                                      ├─ Pixel MeanFlow：移向像素空间
│                                      └─ Decoupled/Modular 分支
└─ moment 路线 ─ IMM：以分布矩递推 ───────────┘

演进动力与转折。 第一转折是从“更准确积分”转向“改变被学习的有限步对象”；第二转折是从教师蒸馏转向自洽、自监督的全局映射；MeanFlow 的特有转折则是把 step size 条件赋予精确平均速度语义。iMF 随后表明下一阶段不再只是证明“一步可行”，而是拆开目标耦合、引导与架构之间的相互污染。

12.7 跨论文对标

13. 真正贡献、可复用设计与迁移潜力

真正贡献一：学习对象重参数化。 它不是单纯加 loss，而是指出“一步生成的自然预测量是区间平均速度”。这个抽象可独立于特定 DiT block 使用。

真正贡献二：可计算的自洽恒等式。 u=v−Δ du/dt 把积分定义转化为局部可训练关系，JVP 又把全导数算得足够便宜。表 1b 的灾难性错误方向消融提供较强机制证据。

真正贡献三：把 guidance 视为目标场。 若推理时再做传统 conditional/unconditional 双前向，就不再是严格 1‑NFE；论文在训练端折入 CFG，保持一次调用。这对任何宣称“一步”的条件生成方法都有复用价值。

迁移上，最直接是视频、音频、3D 与分子 flow：若存在连续路径、可定义条件速度，并能对模型做 JVP，就能尝试区间平均场。但高维时序中的轨迹曲率、条件 CFG、内存与 JVP 成本可能更严重。另一个方向是逆问题：把 [r,t] 看作可变求解区间，使同一网络按观测难度选择一步或少步；但需要校准误差估计器，不能只凭 FID。

14. 论文自述限制

论文没有独立、系统的 “Limitations” 章节，因此以下只列正文/附录明确承认或可直接定位的边界，不把报告者批评伪装成作者自述。

1. JVP 训练成本。 附录 B.4（PDF p.16）明确讨论开销：0.045→0.052 s/iter，约 +16%。作者据此认为成本可控，但只测 TPU v4‑8。
2. CFG 配方仍可改进。 附录 B.3（PDF p.15）专门引入修正 CFG，并显示 κ 的最优点；这等于承认原始固定引导目标不是完结方案。
3. 一步仍未追平最强多步。 正文结果讨论（PDF p.8–9）把“缩小差距”而非“消除差距”作为结论；表 2 的 3.43 与 SiT+REPA 1.42 直接显示边界。

15. 独立批判：每条都是“因为 X，所以 Y”

1. [统计] 因为 ImageNet 和 CIFAR 主表都没有多随机种子、标准差或置信区间，所以 7.17 FID 的大优势有方向性说服力，但 0.02 对 GigaGAN、0.09 对 iCT 的差距不能被宣称为统计显著。
2. [归因] 因为 B/4 消融中仅把 CFG ω 从 1 调到 3 就让 FID 从 61.06 降到 15.53（表 1f，p.7），幅度远大于多数结构微调，所以最终 3.43 不能只归因于平均速度恒等式；需要与同等 CFG 训练的强基线做 head-to-head。
3. [外部有效性] 因为 CIFAR‑10 上 MeanFlow 2.92 仍弱于 iCT 2.83（表 3，p.9），所以 ImageNet latent DiT 的领先不能直接外推为跨数据集统一优势。
4. [公平性] 因为表 2 把 GAN、AR、多步扩散和 1‑NFE flow 并列，却没有统一实际延迟、FLOPs、VAE 与能耗，所以“总体 SOTA”只能解释为表内 FID 排名，不能解释为系统吞吐最优。
5. [复现性] 因为表 2 把 MF‑M/2 写成 308M，而表 4 写成 497.8M（p.9 与 p.14），所以规模律与训练预算无法无歧义复现；这一冲突应由作者勘误。
6. [基线审计] 因为正文把 SiT FID 写成 2.15、表 2 写成 2.06（p.8–9），所以至少一处横向数字有转录或版本误差；对 0.1 量级差距的比较必须回查原论文与评测协议。
7. [机制] 因为 r≠t=0% 的 328.91 与正确 JVP 的 61.06 证明平均速度任务和全导数都必要，却没有“同算力增加导数正则但不使用 MeanFlow 恒等式”的对照，所以尚不能完全分离解析结构与额外训练信号/算力的贡献。
8. [部署] 因为 +16% JVP 开销只在 TPU v4‑8 测得，官方主代码也以 TPU 为测试环境，所以不能据此断言 GPU 训练成本同样可忽略；GPU 上的显存峰值、编译稳定性与吞吐仍是空白。

16. 开放挑战：可操作的 head-to-head 实验

理论

• 平均场可识别性。 固定架构与样本，比较 MeanFlow 恒等式、任意 JVP 正则、直接积分伪标签三组；测 u 的区间闭合误差、终点误差与 FID，并证明何时自举固定点唯一。
• 误差传播界。 在具有已知解析流的 2D/低维分布上，比较一步 MeanFlow、Shortcut、Euler/RK；扫描轨迹曲率与 Lipschitz 常数，检验终点误差是否由平均速度回归误差线性控制。
• coupling 敏感性。 在同一数据上更换独立 coupling、OT coupling 与学习 coupling，固定 NFE/参数/FLOPs，测 FID、precision/recall 与配对稳定性，回答 MeanFlow 是否真正缓解 Shortcut 的 coupling 依赖。

工程与应用

• 等 wall-clock 对照。 在同一 H100 集群，用相同训练小时比较 MeanFlow、Shortcut、iCT、iMF；同时报吞吐、峰值显存、总能耗、失败重启和最终 FID，而不是只对齐 epoch。
• 端到端服务对照。 batch=1/8/64 下测 latent 编码、1‑NFE 主干、VAE 解码的 p50/p95 延迟，与 2/4-step 模型比较；若 VAE 占主导，主干从 4 步到 1 步的系统收益可能被高估。
• CFG 因果消融。 对 MeanFlow 与所有一步基线使用相同 guidance 训练和相同有效 ω，网格扫描 ω/κ；报告无 CFG 与最佳 CFG 两套榜单，分离恒等式收益和引导收益。

新兴方向

• 视频平均速度。 在同一视频 DiT 上比较 MeanFlow 与 Shortcut，固定帧数、分辨率和训练 FLOPs；除 FVD 外按时间位置报告身份/运动漂移，检验单区间平均是否抹平长时动作相位。
• 文本到 3D / 分子生成。 在有硬约束的流上比较瞬时场与平均场，报告合法率、性质分布、去重率和采样延迟；观察一步跃迁是否越过可行流形。
• 自适应一步—少步路由。 训练一个区间误差预测器，让简单样本 1‑NFE、困难样本 2–4 NFE；与固定 1/2/4 NFE 在相同平均算力下比较 FID、最坏分位质量与校准误差。

17. 近期工作雷达

1. Improved Mean Flows：最直接的后续，明确把原目标耦合、固定 guidance 与架构配方当作瓶颈；其 XL 1‑NFE FID 1.72 说明 MeanFlow 更像新基线而非终点。
2. Pixel MeanFlow：把平均速度路线从 latent 推向像素空间，值得用端到端延迟与 VAE 误差消失后的质量变化衡量，而不只看 FID。
3. Modular MeanFlow：尝试拆开 MeanFlow 的训练组件，适合用来验证哪些模块能独立迁移到视频、音频和 3D。
4. Contrastive Flow Matching：从表征/对比目标改造 flow matching，和 MeanFlow 的区间目标正交，潜在组合价值高，但需要控制额外负样本算力。
5. Fair Benchmarking of Emerging One-Step Generative Models：把“1‑NFE”之外的参数、训练量与评测协议拉回同一口径，正面回应本文的公平性批评。
6. Decoupled MeanFlow（ICLR 2026 proceedings）：聚焦自举目标的耦合问题；正式条目需在会议列表按题名检索，本报告不引用其未核验数字。

18. 复现蓝图与最终判断

最小可信复现应分三层。第一层用官方 MF‑B/4 checkpoint 复核仓库声明的 FID 11.4，并记录 FID stats 哈希；第二层按表 4 训练 B/4，复现表 1 的关键三点：r≠t=0/25%、正确/错误 JVP、ω=1/3；第三层再扩到 B/2 或 XL/2，并至少跑 3 个随机种子。任何复现都应同时报告训练 wall-clock、JVP 占比、峰值内存与端到端生成延迟。

最终判断是：MeanFlow 提供了一个足够简洁、足够可迁移的思想——把一步生成写成平均速度学习，并用微积分恒等式把它变成可训练问题。其 ImageNet 一步结果确实跨过了此前从头训练方法的质量门槛；但“平均速度方程本身贡献多少”“CFG 和规模贡献多少”“跨数据集是否稳健”，论文仍未完全拆清。研究上值得复用的是平均量重参数化、正确 JVP 和训练端 guidance；工程上应先验证 GPU 成本与多种子稳定性，再把 3.43 当作可交付指标。

来源与审计脚注。 核心及五篇相关论文 PDF 均已逐页读取；所有数字都注明表号或 PDF 页码。报告没有从图线肉眼补造未列出的精确数值。HTML 版使用单文件内联 CSS/JS、浅/深主题切换与响应式表格；图表只绘制表 2 的 1‑NFE 原报数字。ml-report-index.md 已在本次生成后追加记录。已按要求调用本机 Playwright 探测 Chromium：Playwright 包存在，但 /usr/bin/chromium、/opt/pw-browsers 及其记录的浏览器路径均无可执行文件；遵守“不运行 playwright install”的约束，因此无法完成真实浅色、深色和移动端截图。替代检查包括 Warm Editorial 验证器（0 warning）、HTML 占位符/结构扫描、表格横向滚动规则、移动端媒体查询、主题变量与 tooltip 键盘焦点检查；不将这些静态检查冒充浏览器截图验证。