4 步视频 VBench 84.33：混元把前向强化学习接到 MeanFlow

4 步视频 VBench 84.33：混元把前向强化学习接到 MeanFlow

腾讯混元与香港科技大学的 MeanFlowNFT（把前向过程强化学习接到平均速度生成器上），arXiv 提交日 2026 年 7 月 16 日（2607.15273）。当前 HTML 是 v2，标注日期 2026 年 7 月 21 日。作者 Yushi Huang、Xiangxin Zhou（同等贡献，通讯）、Jun Zhang、Liefeng Bo、Tianyu Pang（通讯）。单位是 Tencent Hunyuan 与 The Hong Kong University of Science and Technology。许可证是 CC BY 4.0。

MeanFlow 预测一段时间内的平均速度，所以一两步或几步就能采样，不用像普通扩散或流模型那样把瞬时速度积很多次。DiffusionNFT 是一种前向过程强化学习：不走反向轨迹，也不估似然，直接优化瞬时速度。两边对不上。这篇造一个由平均速度诱导出来的瞬时速度预测器，只在这个预测器上做 DiffusionNFT；真正采样仍用平均速度，步数保持少。作者证明，在理想设定下，它继承 DiffusionNFT 的严格策略改进。实验只比较图像和视频上的自动指标，不把训练损失当成质量。

训练设置

图像底座是 SD3.5-M，分辨率 1024×1024。少步模型用 4 步，多步对照用 40 步。视频底座是 Wan2.1 1.3B，少步 4 步，多步对照 50 步。每次更新的系数是 min(0.001×i, 0.5)，i 是第几次更新。KL 正则权重 10 的负 4 次方。优化器 AdamW，学习率固定 3×10⁻⁶。采样 rollout 用 4 步生成器。SD3.5-M 每组 24 条，每次更新 48 组，8 张 NVIDIA H20。Wan2.1 每组 16 条，每个 epoch 8 组，32 张 NVIDIA H20。

图像指标：ImageReward、CLIPScore、Aesthetic Score、PickScore、HPSv2、HPSv3、GenEval2、OCR。HPSv3 和 OCR 按所引论文的设定，GenEval2 用官方设定，其余指标在 DrawBench 上算。视频报 VBench 的 Total、Quality、Semantic，另加留出的 256 条 prompt（不进训练集）上的 HPSv3-G、HPSv3-P、VideoAlign 的运动质量 MQ 和文本对齐 TA。

图像：少步 8 项里 6 项最好

少步模型里，加粗是最好，下划线是次好。多步行只作对照，不参加这 6/8 的计数。

少步里 MeanFlowNFT 最好的 6 项是 ImageReward、CLIPScore、PickScore、HPSv2、GenEval2、OCR。不是最好的两项：Aesthetic 5.9275，低于 RTDMD 的 6.1290，也低于 AnyFlow + DiffusionNFT 的 5.9489；HPSv3 13.8826，低于 RTDMD 的 13.9253。正文把 OCR 说成 0.65 对 RTDMD 的 0.30，表内是 0.6534 对 0.2965。

相对 40 步 DiffusionNFT，4 步 MeanFlowNFT 在 ImageReward（1.4504 对 1.4066）、CLIPScore（0.2967 对 0.2889）、HPSv2（0.3269 对 0.3236）、HPSv3（13.8826 对 13.5959）上更高。正文用约数写成 ImageReward 1.45 对 1.41、CLIPScore 0.297 对 0.289。同一张表里，40 步 DiffusionNFT 的 Aesthetic 5.9647、PickScore 23.6440、GenEval2 0.2613、OCR 0.9098 更高；40 步 Flow-GRPO 的 GenEval2 0.2638 也更高。所以「4 步超过 40 步强化学习」只成立在文中点名的若干奖励指标上，不是 8 项全超过。

把 DiffusionNFT 直接接到不预测瞬时速度后验均值的少步模型上，改进保证推不出来。CDM + DiffusionNFT 在大约 400 step 内发散，表上 ImageReward 掉到 0.1455，HPSv3 掉到 -3.2834。图 4 是训练奖励曲线，正文没有逐点坐标。图 13 到 15 的观感比较（过饱和、物体尺度不合理）也没有打分。

视频：4 步对 50 步

少步视频没有开源的强化学习基线，对照是蒸馏：rCM、DMD、SC-DMD、AnyFlow。SC-DMD 用的是该论文报告的数，四项留出指标是空的。50 步对照是带 CFG 的 Wan2.1 1.3B，以及 LongCat-Video RL。

少步 7 项里 MeanFlowNFT 最好的是 5 项：Total 84.33、Quality 85.99、HPSv3-G 6.5959、HPSv3-P 10.793、MQ 0.9535。Semantic 77.68，低于 SC-DMD 的 77.77。TA 1.7235，低于 AnyFlow 的 1.7356。摘要里的例子是 4 步 VBench 84.33，高于 50 步 LongCat-Video RL 的 82.57。同一张表里，它也高于 50 步 Wan2.1 CFG 的 Total 82.94，并且 Quality、Semantic 和四项留出指标都高于这两行 50 步结果。

测试时步数可以取 2、4、8、16、32。正文写大多数指标随步数上升，而且比 AnyFlow 更不随步数改布局和内容。图 5、图 6、图 7 没有逐点数字，这里不补。

限制

只做了 DiffusionNFT 这一类前向过程强化学习，没有做 RAM、AWM。只做了 MeanFlow，没有做 shortcut、consistency trajectory 等其他 flow-map。诱导预测器的构造作者认为可以外推到这些方法，但没有做实验。SC-DMD 的四项留出指标缺失，不能把它和 MeanFlowNFT 在 HPSv3、MQ、TA 上比。图像上的「超过 40 步」不能推广到 GenEval2 和 OCR。没有线上 A/B，也没有人工评测表。

腾讯混元、香港科技大学，Yushi Huang、Xiangxin Zhou、Jun Zhang、Liefeng Bo、Tianyu Pang，MeanFlowNFT: Bringing Forward-Process RL to Average-Velocity Generators，2026-07-16，https://arxiv.org/abs/2607.15273