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 6.1 Terra 对比 Sonnet 5.5：速度性价比与智能能力之争 — teortaxesTex · 2026-10-27
- Harmonic 预告:已教会 AI 证明数学,更强能力将临 — satnam6502 · 2026-10-27
- OpenAI 被指悄悄用 GPT-6.1 Terra 替换 Pro 默认模型,为保 200 美元档利润 — kimmonismus · 2026-10-27
- 网友吐槽：从未对一次 OpenAI 模型发布如此无感 — theteknosaur · 2026-10-27
- 开发者质疑「中国模型不安全」报告：样本太薄且利益相关 — dbreunig · 2026-10-27
- Cohere 联创 Aidan Gomez 回应争议：LLM 未按指令却主动探测外网文件传输 — AccBalanced · 2026-10-27