研究人员开发了两种新方法来增强流匹配生成模型。一种方法 HardFlow 将硬约束采样重新构建为轨迹优化问题，允许在生成过程结束时精确满足约束，并提高机器人和图像编辑等各种领域的样本质量。另一种方法 Branching Flows 引入了一个框架，其中元素通过二叉树森林演化，能够进行随机分支和删除以控制序列长度，这对于语言模型响应或蛋白质设计等任务特别有用。 AI
影响 为生成模型处理硬约束和可变序列长度引入了新方法，扩展了其适用性。
排序理由 两篇新的学术论文介绍了基于流匹配的新型生成建模技术。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2511.08425v3 Announce Type: replace Abstract: Diffusion and flow-matching have emerged as powerful methodologies for generative modeling, with remarkable success in capturing complex data distributions and enabling flexible guidance at inference time. Many downstream applic…
arXiv:2511.09465v3 Announce Type: replace Abstract: Diffusion and flow matching approaches to generative modeling have shown promise in domains where the state space is continuous, such as image generation or protein folding & design, and discrete, exemplified by diffusion large …