标签
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。
该论文提出了 Doob 策略优化（DoobPO），这是一种面向扩散和流式生成策略的无似然强化学习微调框架。该框架利用 Doob 的 h 变换学习比率模型，并通过条件漂移匹配蒸馏倾斜后的目标策略，在 MuJoCo 连续控制基准测试中取得了优异成绩，同时支持 PPO 和 GRPO 风格的更新。
本文研究分布漂移下的预测流匹配，提出了 DyProd-FM。该方法在按二进尺度划分的历史前缀上重新拟合，并使用休眠 Prod 主算法，在相对速度风险变差和目标分布变差两种情形下均实现极小极大最优的动态遗憾，且无需凸性或曲率假设。
ArcFlow 提出一种部署预算感知的训练算法，使单个流策略（flow policy）能在多个求解器步数预算下保持高性能，尤其在一步推理场景中优于五个基线方法。
StyleStream 2.0 是一个快速且可控的流式语音风格转换框架，通过 few-step MeanFlow 模型和自回归反馈微调将端到端延迟降至 520ms，并借助统一的文本条件流匹配模型支持文本驱动的语音设计与指令式语音编辑。
StreamingSwap 是一个用于视频人脸替换的实时 flow-matching 框架，通过联合 Rec-ID 损失和高效上下文生成（Face-RoI + 短上下文展开），在 RTX 4090 上对长达 10 分钟的视频实现 20 FPS 的实时处理，并发布了包含 1,000 小时电影级数据的 HumanFaceVid 数据集。
Fréchet Forcing 提出了一种无需教师模型和长视频的微调方法，利用自生成轨迹与真实数据统计量（生成锚定、上下文保真、现实匹配三项约束）训练流式视频世界模型，使其在超过 4000 帧的长时程推理中保持稳定并正确跟随动作指令。
DeOverlay 提出一种基于源锚定流匹配与可见性归一化时序聚合的视频水印/字幕去除方法，并发布 DVTE-Bench 基准（1,631 对视频、八类文字覆盖），在五项重建与感知指标上显著优于四个基线。
VLA-Rolling 是一个轻量级推理框架，通过自适应去噪预算复用流匹配 VLA 模型中被丢弃的动作尾部，在 LIBERO、MetaWorld、LIBERO-Plus 和 RoboTwin 2.0 上的 16 组模型-基准组合中，实现了最高 1.48 倍的加速和最高 15.08 个百分点的成功率提升。
AffordanceWAM 提出一种感知可供性（affordance）的生成式世界-动作模型，利用人类视频中的可供性表征联合预测未来场景与机器人动作，无需人类动作标注即可实现人类到机器人的迁移，并在 RoboCasa、CALVIN 等基准上取得一致提升。
Kyutai Labs 推出 REKI，一个完全基于公开数据预训练的 2.4B 视觉-语言-动作模型，在性能与模型规模之间开创了新的帕累托前沿。该模型设计简洁，在动作专家模块中使用了寄存器词元记忆机制。完整代码、数据整理流程以及所有预训练/微调权重均已开源发布。