待验证50% 置信事实精确时间
Flow Matching with Correction（FMC）是 UniWALM 引入的训练目标，训练时教模型从受扰动的动作轨迹中恢复，且不在推理时增加额外计算成本。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证相比基于分数函数的扩散模型，流匹配训练目标更简洁，轨迹可设计为直线（rectified flow），从而在更少推理步数内完成高质量生成69% 相似待验证Classifier-Free Guidance（CFG）是扩散模型与流匹配模型中最主流的引导技术之一，训练时以一定概率丢弃条件，采样时通过公式将条件与无条件预测相减并放大引导强度。69% 相似已验证Flow matching是一种生成模型训练方法，直接学习从噪声分布到数据分布的确定性ODE路径，定义线性插值路径xt=(1-t)x₀+tx₁，神经网络学习预测该路径上每一点的速度向量68% 相似待验证扩散模型和流匹配通过训练神经网络将采样成本一次性消化在训练中，推理时只需前向传播63% 相似待验证推理训练一体化趋势指训练与推理共享模型定义、并行策略和调度基础设施，减少两套系统的重复建设；vLLM 在推理侧积累的 PagedAttention、连续批处理等能力正逐步向训练后阶段延伸。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1078954API
curl https://kongchang.com/api/v1/knowledge/claims/1078954MCP
get_claim(id=1078954)