正文：2026年2月，何恺明团队提出全新生成模型范式——漂移模型（Drifting Models），一作是人大附中校友、IMO与IOI双料金牌得主邓明扬。漂移模型将生成分布的演化从推理阶段转移到训练阶段，实现单步生成（One-step Generation）。其核心创新为引入“漂移场”机制，在训练中直接对齐先验分布与真实数据分布，消除了GANs的对抗训练不稳定性，并摆脱了扩散模型对多步求解的依赖。在ImageNet 256×256基准测试中，该模型以1-NFE取得1.54 FID的成绩，超越许多传统多步生成模型。此外，模型在具身智能控制任务中也表现出色，单步推理即可匹敌需100步的传统方法。