Self-Flow 讓多模態訓練效率提升 2.8 倍
Black Forest Labs 發布 Self-Flow，這是一種自監督流匹配框架，讓多模態 AI 模型無需 CLIP 等外部教師，即可同時學習表示與生成。它使用 Dual-Timestep Scheduling 進行自蒸餾，在圖像、影片與音頻達到最先進成果。此技術比 REPA 標準收斂快 2.8 倍，且無高原效應。
Search
Tag: #flow-matching8 results
SkillFlow：用於代理編排的流驅動遞迴技能演化
SkillFlow 是一個新的框架，利用流匹配和 Tempered Trajectory Balance 來自動化代理系統中的任務編排。它通過識別決策差距並根據原則性的訓練信號來創建或刪減技能，從而實現自主的技能演化。
Apple 擴展 Categorical Flow Maps
Apple Machine Learning 探討如何擴展 Categorical Flow Maps，將其作為自回歸語言模型的連續式替代方案。此方法透過在高斯雜訊與 one-hot 編碼離散資料分布之間進行 flow matching，可能實現更快的取樣與可控的傾斜調整。
Follow the Mean：新型參考引導流匹配技術
一篇新論文介紹了「Follow the Mean: Reference-Guided Flow Matching」，這是生成建模與流匹配領域的一種新穎方法，探討了提升生成過程效率與品質的技術。
🎨
從零開始構建流匹配圖像生成器
開發者分享了使用 Apple emoji 庫訓練輕量級流匹配圖像生成器的經驗。該項目強調了殘差塊和注意力機制等架構選擇對於實現有效視覺輸出的重要性。
實作 Pocket TTS 研究論文時面臨的挑戰
開發者分享了在沒有官方訓練程式碼的情況下復現 Pocket TTS 模型的困難，並報告了模型收斂與音質方面的問題。使用者尋求關於數據集擴展與系統設計的建議，以獲得可行的成果。
Wavelet Flows Speed Universe Reconstruction
Cosmo3DFlow uses 3D wavelet transform and flow matching for efficient cosmological inference from N-body simulations. Addresses sparsity via spectral compression, enabling 50x faster sampling than diffusion models. Samples initial conditions in seconds at 128^3 resolution.
Latent Flows Model Reaction Trajectories
LatentRxnFlow predicts reactions as continuous latent trajectories via Conditional Flow Matching from reactant-product pairs. Offers SOTA USPTO accuracy with trajectory diagnostics and uncertainty estimation. Enables error mitigation and reliable predictions.