任意步数生成高质量图像，让流匹配模型又快又好。
LeapAlign 是一个针对流匹配（Flow Matching）图像生成模型的训练后优化方法，核心目标是让模型在任意生成步数下都能保持高质量输出。传统扩散或流匹配模型在减少采样步数时，图像质量会显著下降，而 LeapAlign 通过构建两步轨迹（Two-Step Trajectories），将多步生成过程压缩为更少的步骤，同时保持甚至提升生成质量。该项目由 CVPR2026 论文支撑，主要解决实际部署中推理速度与生成质量的权衡问题。其核心能力包括：支持任意步数的生成、与现有流匹配模型（如 FLUX）兼容、提供训练与推理代码。对于需要实时或边缘端图像生成的场景，LeapAlign 能显著降低计算成本，同时保证视觉保真度。项目处于早期阶段，代码和文档正在完善中。
Consistency Models、Rectified Flow、LCM (Latent Consistency Models)
LeapAlign_Code 是模型训练领域的开源项目，由 RockeyCoss 开发，是 2026 年新上线的项目。
它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 58。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-03。Apache-2.0许可，可免费使用和修改，无付费版本。
它主要面向的使用场景是：边缘设备或实时图像生成，需在低步数下保持质量。同类可对比的替代方案包括 Consistency Models、Rectified Flow、LCM (Latent Consistency Models)。
上一篇：DreamBooth
下一篇：Flow-Factory
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
