论文页面 - 自条件机制使流匹配能够进行深度序列推理

来源：https://huggingface.co/papers/2610.19628

摘要

采用自条件机制的流匹配使迭代采样步骤能够突破恒定深度的限制，提升表达能力，从而实现更深入的视觉推理\。

近期研究探索了通过图像生成进行视觉推理 (https://huggingface.co/papers?q=visual%20reasoning)，即模型通过直接生成解答图像来解决视觉推理问题\。直观而言，流匹配 (https://huggingface.co/papers?q=flow%20matching)等迭代采样器非常适合这项任务，因为每个采样步骤都可能类似于一个推理步骤\。然而，在本研究中，我们从电路复杂度 (https://huggingface.co/papers?q=circuit%20complexity)的角度表明，这种直觉具有误导性\。我们证明，只要模型输出满足某些温和的正则性条件，标准流匹配采样器的轨迹就可以通过恒定轮数的顺序执行来模拟，每轮并行进行模型求值\。因此，在 Transformer (https://huggingface.co/papers?q=transformers)的标准复杂度理论模型下，增加采样步骤无法提升恒定深度骨干模型的表达能力\。随后，我们揭示了自条件机制 (https://huggingface.co/papers?q=self-conditioning)在消除这一瓶颈方面发挥的一种此前未被认识到的作用：它以上一步对最终图像的估计作为模型的条件\。在多种视觉推理任务上的受控实验表明，采用自条件机制 (https://huggingface.co/papers?q=self-conditioning)的流匹配 (https://huggingface.co/papers?q=flow%20matching)比标准流匹配 (https://huggingface.co/papers?q=flow%20matching)具有更高的准确率和更大的推理深度，而且其性能会随着采样步骤的增加而提升\。在理论上，我们证明，借助自条件机制 (https://huggingface.co/papers?q=self-conditioning)，恒定深度的骨干网络可以获得与空间受限图灵机 (https://huggingface.co/papers?q=space-bounded%20Turing%20machines)等价的表达能力\。我们的研究为未来的视觉推理 (https://huggingface.co/papers?q=visual%20reasoning)研究提出了一条设计原则：在采样步骤之间传递更多信息，使增加的步骤能够转化为更深入的推理\。

查看 arXiv 页面 (https://arxiv.org/abs/2610.19628)查看 PDF (https://arxiv.org/pdf/2610.19628)GitHub2 (https://github.com/imzzy1201/self-conditioning-deep-reasoning)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2610.19628)

在你的智能体中获取这篇论文：

hf papers read 2610\.19628

还没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有链接到这篇论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2610.19628，即可在此页面建立链接\。

引用这篇论文的数据集0

没有链接到这篇论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.19628，即可在此页面建立链接\。

引用这篇论文的 Space0

没有链接到这篇论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2610.19628，即可在此页面建立链接\。

包含这篇论文的收藏集0

没有包含这篇论文的收藏集

将这篇论文添加到收藏集 (https://huggingface.co/new-collection)，即可在此页面建立链接\。