![☁️云上报刊亭📰 [精选] 🅥 -- 新闻，报纸，杂志，电子书，资料 PDF🗞 头像](https://backend.meow.tg/static/avatars/channels/aea3b612-8085-455a-91f8-c64a5ac9c85c.jpg?v=2026-04-25T08:00:04.580653Z)
#自然语言处理
本文提出了一种新的生成模型范式——流匹配，它基于连续归一化流，并允许以空前的规模训练CNF。
- 流匹配是一种无模拟方法，通过回归固定条件概率路径的矢量场来训练CNF。
- 使用扩散路径的FM可以为训练扩散模型提供更鲁棒和稳定的替代方案。
- FM为训练具有其他非扩散概率路径的CNF打开了大门，例如使用最优传输位移插值来定义条件概率路径。
- 在ImageNet上使用流匹配训练CNF，在似然性和样本质量方面都能获得比其他基于扩散的方法更好的一致性表现。
本文提出了一种新的生成模型范式——流匹配，它基于连续归一化流，并允许以空前的规模训练CNF。
- 流匹配是一种无模拟方法，通过回归固定条件概率路径的矢量场来训练CNF。
- 使用扩散路径的FM可以为训练扩散模型提供更鲁棒和稳定的替代方案。
- FM为训练具有其他非扩散概率路径的CNF打开了大门，例如使用最优传输位移插值来定义条件概率路径。
- 在ImageNet上使用流匹配训练CNF，在似然性和样本质量方面都能获得比其他基于扩散的方法更好的一致性表现。