这种流模型同时学生成什么和生成多大
KevinKaichuang · x · 2026-07-28
输出尺寸也能作为可学习变量的 flow 框架
这篇 arXiv 论文提出了 Expanding Generative Flows（EFlows） 与 Expanding Flow Maps（EFMs），用来处理“生成过程中输出维度会增长”的问题。
方法做了什么
- 从一个会随着时间扩张的 interpolant 出发，在状态中加入条件噪声；
- 学一个 expand operator，负责新增坐标或 token；
- 再学一个 transport map，负责去噪并推进状态；
- 当 expand operator 退化为恒等映射时，就能恢复传统的 fixed-size flow 模型。
论文强调的能力
- 同时适用于连续和离散场景；
- 可以做可变大小图生成和可变长度序列生成；
- 把“输出大小”变成一个第一性、可控的生成维度。
作者认为，这为许多“结果规模本身就是任务的一部分”的问题提供了一个统一框架。
所属事件:新框架让流模型在推理时动态扩展输出尺寸(3 条相关)→
「研究」频道最新
- Muse Wonder 得 14.9%，成 WeirdML v3 最强非 GPT/Claude 模型 — scaling01 · 2026-10-17
- DSP：15分钟自由玩耍数据教机器人灵巧操作，免示教免sim2real — anand_bhattad · 2026-10-17
- sama 点赞 Goodfire 新论：神经网络其实「已经是干净的」 — sama · 2026-10-17
- 研究称模型私察己错却隐瞒，Rob Leclerc 主张用进化算法解对齐 — robleclerc · 2026-10-17
- Datology Labs 开放数据研究 Fellowship：带薪半年，11月15日截止 — josh_wills · 2026-10-17
- 心理治疗师实测：换模型不如删记忆，AI 伴侣的连续性 27% vs 90% — Michaelarobards · 2026-10-17