单步生成

只跑一次网络前向就从噪声直接得到结果，用来解决扩散模型采样慢。

单步生成指生成模型只做一次网络前向计算（1 NFE，即函数评估次数为 1）就产出样本。生成对抗网络、变分自编码器、标准化流天生是一步生成；扩散模型和流匹配则要从噪声出发迭代几十到上千步，质量高但慢。对机器人来说，动作头每多走一步都增加控制延迟，所以把扩散或流式策略压到一步是重要方向。常见做法有三类：一是蒸馏，用多步教师训练一步学生，如一致性蒸馏；二是换训练目标，让模型直接学「一步跳到终点」，如一致性模型、平均流；三是把生成路径拉直，如整流流。代价通常是质量略降或训练更复杂。

例子Consistency Policy 把扩散策略蒸馏成一致性模型，推理比已有最快方法快一个数量级，能在笔记本 GPU 上跑；MP1 用平均流一步生成动作，推理约 6.8 毫秒。

也叫

一步生成、1-NFE 生成、One-step Sampling

相关

去噪步数、一致性模型、平均流、整流流、Consistency Policy（一致性策略）、推理延迟

来源

Consistency Models (arXiv:2303.01469)
Consistency Policy: Accelerated Visuomotor Policies via Consistency Distillation (arXiv:2405.07503)
Mean Flows for One-step Generative Modeling (arXiv:2505.13447)