拉格朗日视角重推 Flow Matching,解释直线轨迹为何能大步长
burny_tech · x · 2026-09-03
Peyman Milanfar 的新论文《A Lagrangian View of Flow Matching》提出从拉格朗日（粒子中心）视角自底向上重新推导 Flow Matching 与 Rectified Flow，而非标准的最优传输/连续性方程欧拉式推导。
核心内容：
- 通过分析连续去噪器的局部 Taylor 展开，提出单步最优生成所需的严格不变性条件——目标同一性守恒；
- 强制该条件可导出一个拟线性对流 PDE，用特征线法解析求解恰好得到 Flow Matching 的直线轨迹；
- 该几何视角把去噪器的 Jacobian 隔离为轨迹弯曲的主因，从而直接解释了为何直线流允许极大步长、为何实证模型需要蒸馏来拉直相交的特征线。
所属事件:谷歌研究员以拉格朗日视角重释 Flow Matching(3 条相关)→
「研究」频道最新
- HCI 论文暗用 LLM 评审员，行文刻意遮掩难以识别 — IanArawjo · 2026-09-03
- 为什么 VRChat 粒子池能凑合用:重力让状态自然趋同 — Michael_Moroz_ · 2026-09-03
- Radix Sort 优化到每秒 50 亿对排序,零 compute shader 开销 — Michael_Moroz_ · 2026-09-03
- 开发者把 VRChat 流体模拟移植进 Udon,真 SPH 无近似求解 — Michael_Moroz_ · 2026-09-03
- PRO-Step:步级过程奖励优化 RAG,拿下五个基准最佳 EM/F1 — _reachsumit · 2026-09-03
- Meta 开源 CORAL：LLM 智能体闭环优化生产级推荐系统 — _reachsumit · 2026-09-03