2025年12月，何恺明团队发布新成果Improved MeanFlow (iMF)，解决原始MeanFlow在训练稳定性、指导灵活性和架构效率上的三大问题。通过重构预测函数为标准回归问题，引入无分类器指导（CFG）和上下文内条件作用，模型性能大幅提升。在ImageNet 256×256基准测试中，iMF-XL/2模型单步生成FID达1.72，较原始版本提升50%，媲美多步扩散模型。论文一作为CMU博士生耿正阳，共一为清华姚班大二学生Yiyang Lu，后者现于MIT跟随何恺明研究计算机视觉。其他合作者包括Adobe研究员Zongze Wu、Eli Shechtman及CMU机器学习系主任Zico Kolter。该研究部分完成于MIT，何恺明教授署名尾作。