一致性模型多步采样的稳定性、误差界与调度

一致性模型（CM）已成为少步高质量生成的重要方法，但增加步数可改善或降低样本质量，且对调度高度敏感，现有理论无法充分解释。为提供精度保证并指导采样器设计，我们把多步CM采样分析为加噪与近似去噪算子的复合。在显式、可验证的稳定性假设下，推导非渐近误差界，区分初始化误差的收缩与近似误差的积累。该界赋予调度不同作用：较大的早期噪声推动收缩，较小的后期噪声控制残余偏差。作为推论，我们给出强对数凹和半对数凹目标的显式常数。进一步建立一个互补保证，其单步精度和稳定性假设可针对给定训练模型估计。实验显示，界中的收缩与近似误差剖面能可靠测量，且与预测函数形式接近。结果提供有意义的多步CM收敛理论，以及实用采样器设计路径。