标签
该论文介绍了 MOSAIC,这是一种采用随机掩码训练的多模态流匹配 Transformer,能够在分子三维结构与紫外、红外及拉曼光谱之间实现任意模态到任意模态的生成,在 QM9S 数据集上达到 88.8% 的分子图恢复率,同时在结构生成和光谱生成方面均优于专用基线模型。
该论文提出了 FACE,这是一种流引导的角域信道估计框架,将流匹配用作毫米波 MIMO 系统的生成式先验,在采样步数和导频观测量更少的情况下,实现了比传统估计器和基于扩散的估计器更高的精度。
该论文提出了物理约束校正流(PC-RF),这是一种基于条件流匹配的气候降尺度模型,通过惩罚项和投影步骤强制满足非负性与质量守恒。论文主张,应在感知指标评估之前进行此类通过/不通过式物理检验,因为在相同预算下,其惩罚项相较于基线并未带来明显提升。
HINT-WAM 提出了首个面向世界动作模型的同策略自蒸馏框架,通过能量评分蒸馏目标,将未来的示范视频用作事后信息,在动作专家自身采样的轨迹上对其进行监督,从而无需环境奖励或与模拟器交互即可实现密集训练。
本文提出一个统一的生成式设计框架,将用于逆向设计的可逆神经网络与用于可解释性的实时生成式物理代理模型相结合,并引入不确定性量化以避免产生物理上不可行的设计,同时通过交互式翼型与燃烧室设计环境进行了演示验证。
AllocFlow 提出了一种端到端的流匹配框架,通过跨资产流 Transformer,以及结合模仿学习与组相对强化学习的两阶段训练,直接从原始多资产市场数据生成联合投资组合配置,显著提升了加密货币永续期货交易的风险调整后收益。
VoxMel 是一个无 tokenizer 的自回归 TTS 框架,利用可逆的双轴 Haar 变换将 mel 频谱分解为 Coarse-Mel 与残差层,在英语上经 GRPO 后取得 1.15% 的 WER 与 0.753 的说话人相似度;蒸馏出的 2 步/4 步学生模型可媲美监督模型。
ResWAM 提出在冻结的 DINOv3 特征空间中进行视觉残差学习,采用通过条件流匹配训练的轻量级 0.5B 双分支 DiT,在 LIBERO-Plus、RoboTwin 2.0 和 RoboDojo 上取得了领先的成功率,同时显著降低了视觉-语言-动作策略的训练和推理计算开销。
AnisoFlow 将基于流的生成模型中固定的预测目标替换为完全可学习的各向异性目标,在 ImageNet 256×256 上将 FID 从 1.90 提升至 1.55(相比 JiT 基线),并在像素空间文本到图像生成中减少了 patch 缝隙伪影,且无需改变架构或采样器。
Dual Flow 提出了一种联合流模型,可同时估计干净图像及其对应的无噪测量,用于求解线性逆问题,在更短的推理时间下达到了最先进的重建质量,且除步数外无需调整任何超参数。
密苏里大学的研究人员发表了一篇关于流匹配的全面综述。流匹配是一种新兴的生物学生成式人工智能方法,通过建模描述生命系统如何随时间变化,为加速药物发现、精准医疗以及人工智能驱动的虚拟细胞开发提供了路线图。
提出了异步流映射语言模型(aFMLM),通过token级时间调度将预测顺序编码进单步生成的隐藏计算中,在Sudoku和GSM8K代码生成任务上刷新了一步生成的最先进性能。
该论文提出了 PIFT,这是一个通过在采样时对掩码离散扩散和流匹配进行联合引导,将肽–靶标相互作用模式迁移至小分子生成的框架,旨在靶向具有挑战性的蛋白质–蛋白质相互作用界面,并取得了优异的分子对接结果。
该论文提出了 PoSE,一种贝叶斯配电系统状态估计方法。该方法使用通过流匹配训练的神经网络,仅学习变电站注入功率的分布,而潮流方程和测量数据则在采样时通过考虑噪声的卡尔曼式校正引入。在 IEEE 33 节点和 Iowa 240 节点馈线上,与采用高斯先验的方法和监督式估计器相比,该方法取得了更优的连续排序概率评分(CRPS)和更好的不确定性校准效果。
WorldBridge 提出了一种世界动作模型,包含独立的视频专家和动作专家,二者通过结构化注意力机制连接,并采用联合流匹配进行训练。该模型结合广泛的视频覆盖与稀疏的动作监督,在机器人操作基准测试中实现了最先进的任务泛化性能。
AuroraAI-Research 发布了 AuroraIMG2-50M-Preview,一个基于 5040 万参数流匹配扩散 Transformer 的 256×256 文生图模型,搭配 1260 万参数文本编码器,全部从零训练仅需单卡 RTX PRO 6000 上 10 小时完成。
本文对六种生成式深度学习模型进行了基准评估,用于根据PM2.5和气象数据临近预报气溶胶粒径分布。结果发现,物理引导的流匹配表现最佳,引入简化的一般动力学方程约束后,训练站点的连续排序概率评分(CRPS)降低了5.5–11.5%。
论文提出 CD-FFM,一种基于似然函数流匹配(likelihood functional flow matching)的生成式气候降尺度模型,可将再分析数据降尺度至1公里分辨率,在芬诺斯坎迪亚日气温数据上优于回归、神经算子和扩散模型,且采样速度极快并能给出精确似然。
本文指出了流形上基于似然的黎曼流匹配中的一种兼容性失效模式,给出了兼容性的一般条件,并提出了一种基于端点上的指数族的新目标函数,该目标函数既满足兼容性,又仅以可行速度为支撑集,在环面、球面基准测试和人体姿态数据集上取得了更低的负对数似然(NLL)和更高的样本质量。
GLOW-FM 是一个单步潜在流匹配框架,用于高效的生成式低光图像增强。它在冻结的 Tiny-VAE 潜在空间中执行条件传输,并通过末速度匹配(Terminal Velocity Matching)仅用一次函数评估即实现 SOTA 的跨数据集泛化能力,计算量仅为 34 GFLOPs。