PFM：流匹配同时输出端点不确定性

研究者 Chenrui Ma 等人提出 Posterior Flow Matching（PFM），一种生成建模框架，用高斯后验模型学习条件速度均值与逐分量方差，单次模型评估即可同时给出传输预测和端点不确定性。框架支持均值驱动的 ODE 与后验驱动的 SDE，后者的局部噪声尺度会随预测不确定性自适应调整。 在图像、点云、分子和动作生成任务上，PFM 提升了生成质量，并能在整个生成过程中提供端点后验读数。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。