Skip to content
Hot eventLive

COFLOW：流模型自适应步数选择加速视觉生成

1 reports1 sources16 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 16 hr ago

LatestOct 5
COFLOW 论文发布，称实现超2.5x加速并保持质量，已被 NeurIPS 2026 接收。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Computer Vision
    COFLOW：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。

Heat trend

Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.