以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
One-step and few-step text-to-image generation must accurately render the details specified in the prompt despite limited opportunities for refinement. Distribution matching distillation (DMD) uses score differences to bring the generated distribution closer to a reference distribution. Following prior work, we estimat
阅读原文 · Deyuan Liu, Yansen Han, Kaiwen Zheng, Jun Xie, Jiacheng Liu, Zhenglin Cheng, Peng Sun, Jintao Zhang, Jianguo Li, Tao Lin
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看，原因很直接： 一步、少步文生图的老问题，是提示词里的细节来不及画完 。IDM 想在 DMD 这套蒸馏框架里，补上一块更明确的监督信号，让少步生成在长文本、细节密集的 prompt 上不掉链子。 它给出的做法不算复杂，但切中了一个实际痛点。DMD 用 score 差异把生成分布往参考分布拉，这个差异靠内部 velocity 分支估计，省掉了额外...