热点事件持续更新
COFLOW：流模型自适应步数选择加速视觉生成
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv 计算机视觉（一手）发布 COFLOW 方法：一种推理时自适应方法，根据提示词特征为每次生成选择步数，以在线无监督奖励平衡推理效率与生成保真度。该方法即插即用、无需重训底层生成模型，可推广至图像与视频生成，实现超过 2.5x 加速并保持感知与语义质量。论文还给出标准正则性条件下 O(1/K) 前向欧拉离散化误差界，并已被 NeurIPS 2026 接收。目前公开信息仅此一篇报道，未见更早或相互矛盾的报道。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
COFLOW 论文发布，称实现超2.5x加速并保持质量，已被 NeurIPS 2026 接收。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Computer VisionCOFLOW：基于上下文流匹配的视觉生成自适应步数选择方法
COFLOW 是一种推理时自适应方法，根据提示词特征为每次生成选择步数，以在线无监督奖励平衡推理效率与生成保真度。该方法即插即用、无需重训底层生成模型，可推广至图像与视频生成，实现超过 2.5x 加速并保持感知与语义质量。论文还给出标准正则性条件下 O(1/K) 前向欧拉离散化误差界，已被 NeurIPS 2026 接收。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。