随机流地图论文 Strong Stochastic Flow Maps 获 NeurIPS 2026 Oral
Niklas_TR · x · 2026-09-25
论文 Strong Stochastic Flow Maps 被 NeurIPS 2026 接收为 Oral。该工作由 Sam McCallum 与 Zachary Blasingame 主导，合作者包括 Timothy Herschell、Alexander Tong、James Foster 等。
核心思想是学习随机解路径（learn the stochastic solution path）——不同于传统流匹配学习确定性概率流，Stochastic Flow Maps 直接学习随机性的解轨迹。论文与代码均已公开（ArXiv + GitHub），作者表示后续将发布更多应用与改进结果。
所属事件:Strong Stochastic Flow Maps 论文中稿 NeurIPS Oral(2 条相关)→
「研究」频道最新
- Vite 核心成员实测揭 oj 基准缺陷:内存或被高估超 100MB — cnakazawa · 2026-09-25
- DeepMind 论文：一条误导性提示可让 Coding Agent 成绩暴跌 46.7% — dair_ai · 2026-09-25
- NeurIPS 新论文：自利自复制智能体可从零演化出合作 — maxhkw · 2026-09-25
- 连续扩散语言模型 RePlaid 被 NeurIPS 2026 接收，可与离散扩散同台竞争 — ArashVahdat · 2026-09-25
- AAAI 2027 第一阶段评审结果出炉 — CSProfKGD · 2026-09-25
- NeurIPS AC 神预言:rebuttal 还没开始就写好 meta-review — BlackHC · 2026-09-25