待验证50% 置信事实精确时间
Rectified Flow 是流匹配的一种具体实现，将源分布与目标分布之间的路径拉直为直线，使积分步数更少、生成效率更高
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
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79% 相似待验证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73% 相似待验证DenoFlow 采用 rectified-flow（修正流）框架，场网络回归污染信号与干净信号之间直线路径上的速度场72% 相似已验证反向传播本质上是一种高效计算梯度的动态规划算法，通过从输出层到输入层逐层传递误差信号并复用中间计算结果来降低梯度计算复杂度69% 相似待验证报告人将各类生成算法按端点依赖程度排成谱系：最左端是flow matching与独立端点的stochastic interpolant（训练简单但推理需多步积分），最右端是完整求解最优传输（直线性平凡但训练困难）68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/986815API
curl https://kongchang.com/api/v1/knowledge/claims/986815MCP
get_claim(id=986815)