11:48
官方账号arXiv cs.LG@Tianpeng Li, Xuan Guo, Wenjun Wang, Wang Zhang, Pengfei Jiao
推荐理由：这篇论文严格证明了时序图生成中分布漂移无法通过观测数据来校正，理论扎实且有实验支撑，做生成模型部署的朋友值得一看。
Sharpening-Drift Tension
共 1 条相关 AI 资讯
7月28日
11:48
论文将masked flow-matching loss分解为不可约熵加散度，散度对训练时稀疏部署时密集的结构为正，经验上服从指数-0.605的幂律（R²=0.9977）。漂移使采样误差floor提高2.2-34.3倍，但采样步数不敏感：7个条件下漂移时段边际误差变化≤6%。证明任何基于过去观测的校正器至少保留跟踪统计量的条件方差，趋势外推条件μ²>v(1-2ρ)不满足。Oracle可移除60%误差，最佳观测校正仅恢复其中5.7%，外推比什么都不做更差。