VESFlow 入选 NeurIPS 2026:免训练改速度场,少步生成也安全
mohitban47 · x · 2026-10-09
论文 VESFlow 被 NeurIPS 2026 接收,提出一种免训练的流匹配(flow matching)模型安全编辑方法。
- 现有安全方法在少步采样场景失效:轨迹级引导依赖多步累积小修正,步数不够时无处累积;嵌入级编辑改 prompt 嵌入,但有毒概念分散在句级嵌入(如 T5)中,token 级编辑难以奏效。
- VESFlow 的思路是不逐步修正轨迹,而是直接编辑速度场本身来提升生成安全性,即使只有几步采样也有效。
「多模态」频道最新
- 实测：GPT-6 Luna 可识别 AI 生成图像，但仍有漏网 — Angaisb_ · 2026-10-09
- KAIST 提出 LongTake：长时程教师强制让长视频不再变成静态 — kaist-ai · 2026-10-09
- GPT-6 Image 2.5 复刻 1940 年代中国乡村新闻片质感 — DeryaTR_ · 2026-10-09
- Vigglorious Studio：分块+引导关键帧，让长视频角色一致性大幅提升 — Tablaski · 2026-10-09
- 星球大战 AI 神曲再出新作：Qui-Gon 的《Gin and Juice》 — aronchick · 2026-10-09
- MiniMax H3 生成僵尸短片走红，AI 视频再出爆款 — gabxav · 2026-10-09