免训练FreeFM刻画流匹配动力学

Soon Hoe Lim等作者在arXiv发表研究，推导出序列数据上经验Flow Matching目标所指向的最优速度场，并据此提出免训练方法FreeFM。该研究称，常用高斯条件路径下的采样器是一个描述非参数、记忆增强连续时间动力系统的ODE；最优速度场可写成由观测转移决定的瞬时速度的加权混合闭式表达。 基于这一闭式表达，FreeFM无需训练即可直接从历史转移生成概率预测。作者称，这提供了一种可解释视角，把神经Flow Matching模型视为对底层非参数目标的参数化估计。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。