整流流

Rectified FlowRF进阶

让噪声沿直线走向数据的生成模型，路径越直，采样需要的步数越少。

整流流由 Xingchao Liu、Chengyue Gong 和 Qiang Liu 在 2022 年论文「Flow Straight and Fast」中提出。它把噪声样本和数据样本用直线连起来，训练网络预测沿这条直线的速度，生成时从噪声出发解一个常微分方程（ODE）走到数据。训练目标只是简单的最小二乘回归，和同期 Lipman 等人提出的流匹配在取直线路径时基本等价。它的另一个贡献是 reflow：用训练好的模型生成「噪声—数据」配对，再用这些配对重新训练，路径会越来越直，甚至一步欧拉积分就能生成不错的结果，适合配合蒸馏做少步或单步生成。Stability AI 的 Stable Diffusion 3 采用整流流训练；机器人里 π0 的流匹配也用同样的直线插值路径生成动作。