constrained-sampling

Needle 2 是一个开放的、45M 参数 AI 模型，用于工具调用和结构化提取，优化后可在浏览器中以 14MB 运行，并通过受约束采样保证 JSON 输出。

讨论了使用约束采样技术从大型语言模型生成结构化输出的方法。

本文提出了一种用于约束扩散模型的原始-对偶推断方法，通过双重条件得分网络联合推断最优分布及其对偶变量，并提供了收敛性保证，在无线资源分配和投资组合管理中有应用。

DiRecT提出了一种免训练的安全扩散规划算法，通过滚动时域去噪仅在最终干净轨迹上施加约束，相比于现有方法提升了安全性和性能。

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。