该方法将批内精确排斥与对冻结参考分布的 Nyström 吸引项结合起来，并结合梯度缓存使用大批量新生成样本。它平衡了 14 种编码器表示，包括用于条件生成的图像和文本特征，因此模型无法只优化单一表示而在其他空间中留下可见伪影。
RDM 适用于从事快速文生图生成的研究人员和基础设施团队。该发布展示了一步式 ImageNet 生成在 SW_r14 距离上达到 1.30，并将四步 FLUX.2 [klein] 后训练为一步模型，在 GenEval 和 PickScore 上超过教师模型，同时提供公开代码和检查点以便复现。
