待验证50% 置信事实精确时间
MAFM(Manifold Attracting Flow Matching)是一种通过连续几何动力学将约束满足嵌入生成过程的方法,让样本在生成过程中被平滑吸引到约束流形上。
1
来源数
50%
置信度
长期有效
时效性
2026/11/13
首次发现
来源
涉及实体
相关事实
待验证MAFM 的切向运动保留模型引导的切向分量,使样本继续沿模型学到的数据流形方向移动。72% 相似待验证Mamba在推理阶段可以以纯递归模式运行,内存占用恒定63% 相似待验证条件流匹配(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。63% 相似待验证混合蒙特卡洛(HMC)是格点场论中生成平衡态构型的标准算法,利用哈密顿动力学和 Metropolis 接受-拒绝步骤保证采样正确性。63% 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。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1166644API
curl https://kongchang.com/api/v1/knowledge/claims/1166644MCP
get_claim(id=1166644)