Meta 和阿姆斯特丹大学改进离散 Flow Matching 生成
burkov · x · 2026-07-26
@AIatMeta 和 @UvAAmsterdam 的作者提出了一种改进离散数据扩散式生成的方法，目标是在保留任意顺序、并行生成优势的同时，提升实际效果。
核心思路是：
- 观察到一个缺失 token 往往在周围 token 越多可见时越容易预测。
- 因此在生成时优先处理“上下文更充分、支持度更高”的位置。
- 在训练时，让更清晰、更有把握的预测获得更大影响力。
作者声称，这个改动可以直接加到预训练模型上，不需要额外训练，开销也几乎为零；在 OpenWebText 上，生成困惑度最高可下降 63%。在分子生成任务里，它还能带来更多有效且新颖的候选结构。
所属事件:Meta与阿姆斯特丹大学提出上下文加权离散Flow Matching(2 条相关)→
「模型」频道最新
- GPT-5.6 sol 只差 Opus 5 一分，输出 token 近乎减半 — haider1 · 2026-07-26
- Model Zen Garden 把盲测做成 3D 模型排行花园 — gajesh · 2026-07-26
- 有人在测 5.6 Sol Pro 的人口伦理提示词是否真有新意 — AaronBergman18 · 2026-07-26
- Claude 额度加购：$100 打 9 折，$250 打 8 折，$1000 没折扣 — HamelHusain · 2026-07-26
- Claude 的真正护城河，可能是“人格感”而非分数 — Living-Acadia-1071 · 2026-07-26
- KOL 痛批 Claude Opus 5 体验拉胯：不如 GPT 5.6 — andrewgwils · 2026-07-26