已验证80% 置信事实精确时间
流匹配是一类训练连续时间生成模型的方法，学习速度场将先验分布沿ODE轨迹输运到数据分布，推理时用数值积分器迭代求解，积分步数即NFE。
4
来源数
80%
置信度
长期有效
时效性
2026/11/8
首次发现
来源
涉及实体
相关事实
待验证条件流匹配（CFM）是流匹配框架下的训练目标，通过构造从源分布到目标分布的连续概率路径（通常为直线插值路径）并学习时间依赖的速度场来拟合路径瞬时速度。80% 相似待验证CoupledFlow采用结构约束流匹配算法，与逐步迭代的扩散式生成不同，流匹配通过学习速度场实现快速采样，从而做到一步预测。79% 相似已验证流匹配的思路是学习一个时间依赖的向量场v_t(x)，使由该向量场驱动的常微分方程能把简单参考分布传输到目标数据分布79% 相似已验证流匹配模型通过学习从噪声分布到数据分布的连续概率流（ODE轨迹）生成图像，通常训练更稳定、推理步数更少78% 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78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1148309API
curl https://kongchang.com/api/v1/knowledge/claims/1148309MCP
get_claim(id=1148309)