概念Continuous Normalizing Flow / CNF
连续归一化流
一种生成模型，通过常微分方程定义从先验到数据分布的连续变换，具有可逆性和精确似然计算能力。
核心事实
时间轴 (近 90 天)
10月12日
常见的归一化流结构包括Real-NVP、神经自回归流（NAF）、连续归一化流（CNF），各有计算效率与表达力上的取舍
待验证50%
10月5日
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
已验证75%