ConicFlow：流匹配模型约束推理时最优控制

Shervin Khalafi 等作者提交论文，提出 ConicFlow，将流匹配模型在推理时的约束采样建模为最优控制问题，在偏离预训练轨迹与奖励之间权衡，并满足硬性终端约束。 该方法采用滚动时域控制，仅优化每步轨迹的短窗口，并用滚动时域原对偶算法求解，其对偶乘子可捕捉各约束的满足难度。 论文称，在低维和高维设置下，ConicFlow 相比近期基线取得更高奖励和更强约束满足，同时偏离预训练流更小。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。