天津
智猩猩AI整理
编辑： 没方
最近，耿正阳（Zhengyang Geng）在推特上官宣，他已加入 OpenAI！
耿正阳2022年开始在卡内基梅隆大学攻读计算机科学博士学位，他师从 J. Zico Kolter，并与何恺明开展密切合作。
他的研究主要围绕生成模型、动力系统和自适应计算展开，近年来参与了 MeanFlow、Improved MeanFlow、Equilibrium Reasoners 等多项研究工作。
2025年，耿正阳与何恺明等研究人员提出 MeanFlow，尝试让模型只用一步就完成高质量图像生成。
与依赖预训练模型进行蒸馏的方法不同，MeanFlow 从数学原理出发，通过平均速度与瞬时速度之间的关系，直接训练单步生成模型。
论文公布的结果显示，MeanFlow 在 ImageNet 256×256 图像生成任务上，仅通过一次模型计算，就取得了 3.43 的 FID 分数。
这一成果相关论文入选了 NeurIPS 2025 Oral。
随后，耿正阳等继续推进这一研究方向，提出 Improved MeanFlow。
新方法进一步改善了训练稳定性和生成质量，在相同的 ImageNet 256×256 基准上，实现了单步生成 FID 1.72 的结果。
这项工作获得 CVPR 2026 Highlight。
从 MeanFlow 到 Improved MeanFlow，研究团队希望证明一件事：高质量图像生成，并不一定需要依赖漫长的多步采样过程。
除了研究如何减少计算，耿正阳还参与探索另一个方向，让模型在复杂任务中使用更多计算。
2026年，他参与的论文《Equilibrium Reasoners: Learning Attractors Enables Scalable Reasoning》被 ICML 2026 接收。
这项研究提出了 Equilibrium Reasoners（EqR），探索模型如何通过内部状态的反复迭代，逐渐找到正确答案。
与传统依赖生成长篇文字推理过程的方法不同，EqR 主要在隐空间中进行计算。
研究发现，面对简单问题，模型可能只需要1到5次迭代；而面对更困难的问题，则可以通过增加内部计算提升表现。
在 Sudoku-Extreme 数独任务中，研究报告显示，通过扩展测试时计算，模型准确率从前馈模型的2.6%提升至99%以上。
这一研究与 MeanFlow 看起来方向相反，但背后的思路其实一致。简单任务尽量少算，困难任务允许多算，让计算资源根据任务难度动态分配。
如今，耿正阳已正式加入 OpenAI，期待他在生成模型和 AI 推理方向带来更多新的研究成果。
关注+星标，获取AI前沿进展与开源一线动态
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
