标签
本文提出了缺失数据流匹配（Missing-Data Flow Matching）方法，该方法将训练样本中缺失的坐标视为潜在变量，并在可能取值上对流匹配损失进行平均。理论分析表明该修正是精确的，并提供了设计指导，实验在表格数据上验证了该方法的有效性。
AURORA-LM 提出了一种连续潜空间扩散语言模型，将可解码的文本表示与分布建模分离，在 OpenWebText 和 XSum 上取得了强劲性能，并扩展到 1B 参数规模。
MiniWorld 是一个可复现的框架，用于从零训练视频世界模型，采用带流匹配的块因果视频扩散变换器，能够实现高效的流式生成，并可在单台 8-GPU 服务器上数天内完成训练。
DreamTraj通过解码内部视频扩散潜变量，从单个RGB图像和语言指令预测6自由度物体轨迹，在推理时无需视频、深度或CAD模型。它引入了具有细粒度语言-运动标注的MOVE数据集，实现了最先进的性能，同时运行速度比先生成后提取的流水线快4.6倍。
本文介绍了潜核离散流映射（LKF），一种用于离散扩散模型的流映射核，通过共享潜变量捕捉位置之间的相关性，无需蒸馏即可实现少步生成，并改善了文本生成的困惑度。
SE(3)-MeanFlow 提出了一种在李群上进行蛋白质骨架生成的少步生成框架，将 MeanFlow 扩展到 SE(3)，采用闭式平均速度训练目标和基于修正的后训练，在减少采样步数的情况下达到或超过流匹配基线。
本文介绍了 PlatformBid，这是首个从统一广告平台视角设计的综合性自动出价基准，以及 BidFlow，一种基于流匹配的新型自动出价方法。实验表明，在快手在线测试中，BidFlow 将目标成本提升了 +0.68%。
FMOPF 使用潜在流匹配与约束感知交互先验，为交流最优潮流生成多样化、可行且接近最优的解，能扩展到数百个节点同时保持可行性。
Meshy T2 引入了一个基于流匹配的快速原生网格生成框架，结合顶点集网格 VAE，实现了最先进的几何保真度，端到端图像到网格生成中位时间仅 6 秒，比自回归基线快一个数量级以上。
并行解码蒸馏（PDD）是一种基于轨迹的蒸馏方法，通过每次网络评估预测多个去噪步骤来加速图像与视频生成，在 LTX-2.3、Wan14B 和 Qwen-Image 等模型上仅需 4-8 次函数评估即可达到最优性能。
本文引入了一种依赖感知的保真度诊断方法，用于测量合成表格数据中的列间依赖关系，揭示了标准指标对依赖关系视而不见，当前的生成器存在一个残余差距，无法通过增加容量或常见修复来弥补。
发布了一个模型(Stereo2Spatial)，可将立体声音乐曲目转换为空间化双声道混音，采用流匹配扩散和振幅提升技术以实现稳定训练。该模型及一款Windows应用均以Apache 2.0许可证开源。
FreyaTTS 是一款紧凑型、无需分词器的土耳其语优先文本转语音模型，基于非自回归条件流匹配扩散变换器，以远小于大型系统的参数量实现了最先进的性能，并基于 Apache-2.0 许可发布。
本文介绍了Reward Transport方法，该方法在流匹配训练中使用最优传输耦合，将标量噪声坐标与分子奖励对齐，从而在推理时无需额外计算即可实现对logP和QED等分子属性的单调控制。
本文介绍了截断跳跃采样（Truncated Jump Sampling, TJS），这是一种无需训练的方法，通过利用端点可解码性加速扩散模型和流匹配模型的生成，将神经函数评估次数减少20-70%，同时在多个模型上保持接近匹配的质量。
Flow-ERD是一个多智能体交通仿真器，结合了智能体类型感知流匹配与熵正则化蒸馏，以实现既真实又多样化的运动模式，在WOSAC测试基准上排名第一。
作者分享了构建一个小型流匹配图像生成模型的经历，该模型基于 Apple 表情符号图像进行训练，描述了最初失败的方法以及后来成功转向使用 RGB 通道、残差块和注意力的过程。
感知流匹配在感知特征空间中对流匹配进行监督，使得仅需4-8步采样而非35-50步即可实现高质量少步生成，且无需教师模型。
提出量子流匹配（Quantum Flow Matching, QFM），一种利用自旋Wigner函数和功能流匹配来学习并生成多量子比特量子分布的生成模型，能够准确捕捉纯度和纠缠熵等物理性质。
提出SNAP-FM方法，利用稀疏GPU非线性优化加速物理约束生成建模中的约束投影，在保持精确物理约束满足的同时实现更快的推理。