字节跳动旗下研究团队联合新加坡国立大学、马里兰大学及香港科技大学，提出一种名为DanceOPD的生成能力蒸馏框架，旨在解决AI图像生成模型同时掌握多种能力时的互相干扰问题。相关研究以预印本形式发布于arXiv平台，论文编号为arXiv:2606.27377，为多任务AI模型训练提供了全新思路。
传统AI图像生成模型在面对文字生图、局部编辑和全局风格转换等多样化需求时，往往陷入能力冲突的困境。例如，文字生图需要天马行空的创造力，局部编辑要求精准的像素级控制，而全局风格转换则需平衡整体氛围与细节保留。当这些任务被强行混合训练时，模型性能会因目标冲突而显著下降，如同要求厨师同时创作原创料理、复刻经典菜品并改造现有菜品，最终导致三项技能均表现平庸。
研究团队将多能力训练问题转化为"速度场协调"问题。他们将模型去噪过程视为从噪点图像到清晰图像的路径规划，每种能力对应不同的"导航策略"：文字生图是自由探索，局部编辑是精准避障，风格转换是定向迁移。DanceOPD的核心创新在于让模型动态学习不同场景下的最优路径，而非简单混合多种策略。
该框架通过三个关键设计实现能力解耦：首先采用"硬路由"机制，确保每张训练样本仅向对应领域的专家模型取经，避免不同目标间的信号干扰；其次实施"在线取经"策略，在学生模型实际生成的路径上选择取经位置，消除分布偏移问题；最后限定"单次语义侧查询"，仅在去噪路径末端的高信息密度区域取经，提升训练效率。
实验数据显示，DanceOPD在四大测试场景中均表现优异。在文字生图与图像编辑组合任务中，其编辑能力评分较最强对比方法提升8.1%，文字生图能力甚至超越专业模型2%；局部与全局编辑组合场景下，背景更换和风格转换能力分别提升33.5%和12.9%；真实感增强任务中，成功弥合85.3%的画质差距；分类器自由引导吸收任务里，推理效率提升1.4倍且避免过度引导问题。
消融实验进一步验证了设计选择的合理性。硬路由策略较软混合方案提升15.2%性能，单次取经比密集取经效果高出7.9%-16.6%，低噪声区域取经效率是中高噪声区域的1.2-1.4倍。理论分析表明，速度均方误差损失在特定条件下等价于KL散度，为简化训练目标提供了数学依据。
这项研究仍存在局限性。当前框架要求所有模型共享相同状态空间，难以直接应用于架构差异较大的模型组合。对于需要同时执行多种编辑操作的复杂场景，预先设定的路由机制可能不够灵活。研究团队建议后续工作可探索动态路由策略，通过引入判断模型实现更精细的任务分配。
