跟随均值：参考引导的流匹配 [R]
摘要
介绍了参考引导的流匹配，该方法使用参考分布来引导流匹配过程，提高了样本质量和生成效率。
跟随均值：参考引导的流匹配：[https://www.alphaxiv.org/abs/2605.10302](https://www.alphaxiv.org/abs/2605.10302) https://preview.redd.it/5pleq5b4861h1.png?width=1036&format=png&auto=webp&s=805940b079176b65c45bb10e5458ecce140b0044
相似文章
遵循均值：参考引导的流匹配
本文介绍了一种在流匹配中实现可控生成的方法，通过使用参考集调整条件端点均值，提供了无需训练和半参数化的指导方式，用于风格和内容控制。
Recursive Flow Matching
引入了 Recursive Flow Matching (RecFM)，一种用于预测复杂时空动态的生成框架，以更少的步骤实现高保真度，并提高了准确性和速度，包括相比基于扩散的模拟器高达20倍的加速。
Constraint-Aware Flow Matching: 面向约束采样的决策对齐端到端训练
提出了Constraint-Aware Flow Matching，一种新颖的端到端框架，将模型的学习动态与约束采样过程对齐，减轻了投影校正带来的分布偏移，从而实现高质量的约束生成。
Flow-Direct: 通过非参数引导场实现高效反馈与可复用的流模型引导
Flow-Direct 提出了一种用于基于流的生成模型的非参数引导场，该引导场持续累积奖励反馈，提高了反馈效率，并使得收集的样本可重复用于引导多目标生成，无需额外的奖励评估。
SDFlow：用于时间序列生成的相似性驱动流匹配
本文介绍了 SDFlow，这是一种用于时间序列生成的相似性驱动流匹配框架，旨在解决自回归模型中的暴露偏差问题。通过在冻结的 VQ 潜在空间中进行低秩流形分解，SDFlow 实现了最先进的性能并显著提升了推理速度。