arXiv 研究：自条件让流匹配实现深度推理

Zeyang Zhang 等人提交至 arXiv 的一项理论研究称，普通流匹配（vanilla flow-matching）采样器的轨迹可由常数轮并行模型评估模拟，因此增加采样步数无法提升常深度骨干模型的表达能力。 该研究提出，自条件（self-conditioning，即让模型以“上一步对最终图像的估计”为条件）能打破这一瓶颈：在多种视觉推理任务上，带自条件的流匹配准确率更高、推理深度更深，且性能随采样步数增加而提升。理论上，带自条件时，常深度骨干可达到空间有界图灵机同等的表达能力。

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。