FARMER kombinerar ett inverterbart autoregressivt flöde, som kan mappa bilder till och från latent utrymme utan informationsförlust, med en autoregressiv transformator som modellerar varje latent tokens distribution med hjälp av Gaussiska blandningar, vilket ger exakta sannolikheter i en enstegsgenerator på pixelnivå. Den introducerar tre viktiga innovationer: - Självövervakad kanaldelning separerar latenta funktioner i informativa (ZI) och redundanta (ZR) grupper, vilket effektivt modellerar struktur och detaljer. - Omsamplingsbaserad klassificerarfri vägledning (CFG) förbättrar bildkvaliteten och möjliggör kontrollerbar sampling. - AF-destillation i ett steg påskyndar genereringen genom att ersätta långsam sekventiell reversering med ett enda snabbt omvänt steg. På ImageNet-256 (klassvillkorad, 50k prover) uppnår 1.9B patch-8-modellen FID 3.60 / IS 269.21 / Prec 0.81 / Rec 0.51. Efter +60 epoker blir inferensen 22 × snabbare för omvänd AF (0,1689 s → 0,0076 s per bild) och cirka 4 × snabbare totalt sett (0,2189 s → 0,0567 s per bild). Den överträffar JetFormer 2.8B (FID 6.64) och TARFlow p8 (4.69) och är konkurrenskraftig med STARFlow p8. STARFlows avkodare-finjusterade variant (FID 2.40) är fortfarande starkare men använder en flerstegsinställning.