热点事件持续更新
CoFlow：对比轨迹排斥改进 Flow Matching
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布研究报道，研究者提出 CoFlow 框架，将对比学习引入 Flow Matching。该方法通过注入排斥漂移项，在训练中显式排斥轨迹，从而降低速度场的局部 Lipschitz 常数。报道称，研究者从 SDE 视角推导出等价的随机插值形式，并在 ImageNet 256x256 上显著降低少步推理（如 20 步）的 FID，且不增加训练开销。目前该工作以预印本形式公开，尚无后续独立验证或应用进展的报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月3日 12:00
CoFlow 预印本公开，称在 ImageNet 256x256 少步推理中降低 FID 且不增训练开销。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）CoFlow：通过对比轨迹排斥实现更平滑的 Flow Matching
研究者提出 CoFlow 框架，将对比学习引入 Flow Matching，通过注入排斥漂移项在训练中显式排斥轨迹，降低速度场的局部 Lipschitz 常数。该方法从 SDE 视角推导出等价的随机插值形式，在 ImageNet 256x256 上显著降低少步推理（如 20 步）的 FID，且不增加训练开销。
本事件热度走势
当前热度 8·可比范围峰值 9（10月3日 16:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。