研究人员开发了 Riemannian MeanFlow (RMF)，一个用于黎曼流形上生成建模的新框架。该方法显著降低了生成样本的计算成本，与现有的扩散模型和流模型所需的几十次或几百次前向传播相比，仅需一次前向传播。在 DNA 序列设计和蛋白质骨架生成等应用中，RMF 实现了可比的样本质量，同时能够实现更高效的奖励引导设计过程。 AI
影响 降低了流形上生成模型的计算成本，实现了更快的科学采样和设计。
排序理由 介绍生成建模新框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2602.07744v3 Announce Type: replace Abstract: Diffusion and flow models have become the dominant paradigm for generative modeling on Riemannian manifolds, with successful applications in protein backbone generation and DNA sequence design. However, these methods require ten…