通过非梯度向量流学习流图 [pdf]

通过非梯度向量流的流图学习

arXiv cs.LG

本文介绍了SGFlow，一种为扩散模型学习流图的方法，该方法避免了可逆性约束和通过模型迭代的反向传播，在CIFAR上取得了有竞争力的FID分数，并具有经过证明的稳定点保证。

Modeling Unknown Nonlocal PDE Systems via Flow Map Learning

arXiv cs.LG

This paper presents a flow-map learning framework for modeling unknown nonlocal PDEs directly from solution data, avoiding explicit nonlocal operator evaluation. The method learns finite-time evolution operators in modal or nodal space and demonstrates accurate long-time prediction for fractional diffusion and wave equations.

Flow-Map GRPO：基于锚定随机组合的少步流图生成器强化学习

arXiv cs.LG

提出了Flow-Map GRPO，一种用于确定性少步流图生成器的在线RL后训练框架，引入了锚定随机流图组合（ASFMC）以在不改变原始模型参数化的情况下实现随机优化。在基于FLUX的MeanFlow和sCM上的实验表明，在基于奖励的、感知的和任务级别的指标上均有改进。

面向物理系统群体动力学学习的双参数流

arXiv cs.LG

提出了双参数流方法，从无标签样本学习高维概率密度的动力学，利用条件流匹配提取物理时间速度场。

利用流匹配捕获非平衡随机系统中的非马尔可夫动力学

arXiv cs.LG

本文开发了一种生成式流匹配方法，用于捕获非平衡随机系统中的非马尔可夫动力学，并展示了与马尔可夫基线相比，在Kramers首次通过时间问题上的改进预测。