本文研究了将分类流映射（CFM）方法扩展到大规模语言建模。作者训练了17亿参数的流模型，通过自蒸馏实现仅需4步推理即可生成高质量文本，并保持接近数据级的熵。他们还提出了半离散设置下的似然界，用于标准语言模型基准评分，结果与离散扩散方法相当。文章还探讨了大规模训练中的挑战，并提供了损失加权和时间调度的实用建议。