OneFlow：带编辑流的并行混模和交错生成
人工智能
2025-12-11 v3
摘要
我们提出了 OneFlow，是首个实现可变长度和并行混模生成的非自回归模型。不同于强制文本和图像生成之间严格因果顺序的自回归模型，OneFlow 将基于插入的编辑流用于离散文本标记，与流匹配 (Flow Matching) 用于图像潜在表示相结合。OneFlow 使并发文本-图像合成成为可能，通过分层抽样优先考虑内容而非语法。通过在模型规模从 1B 到 8B 的范围内进行受控实验，我们证明 OneFlow 在生成和理解任务上均优于自回归基线，同时使用最高可达 50% 更少的训练 FLOPs。OneFlow 超越了自回归和扩散方法， unlocking 新的并发生成、迭代细化和自然推理式生成能力。
引用
@article{arxiv.2510.03506,
title = {OneFlow: Concurrent Mixed-Modal and Interleaved Generation with Edit Flows},
author = {John Nguyen and Marton Havasi and Tariq Berrada and Luke Zettlemoyer and Ricky T. Q. Chen},
journal= {arXiv preprint arXiv:2510.03506},
year = {2025}
}
备注
https://oneflow.framer.ai