MintFlow：用于约束流匹配的最小轨迹干预
Get the story
2026年10月5日，arXiv（Artificial Intelligence，一手来源）发布 MintFlow，一种面向约束流匹配的免训练约束采样框架。该方法把约束执行表述为对预训练流轨迹的极小干预，在满足观测测量、物理定律等约束的同时，尽量减少对预训练数据分布的偏离。技术上，MintFlow 通过伴随形式给出扰动的闭式解，避免昂贵的迭代优化，并自适应选择干预时间，以平衡扰动幅度与剩余流的放大效应。实验显示，在生成视觉与物理系统建模任务上，MintFlow 达到有竞争力的约束满足度，且比现有 SOTA 约束方法更好地保留预训练生成分布。目前公开信息仅涉及该论文，未见后续独立验证或争议报道。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Artificial IntelligenceMintFlow：面向约束流匹配的极小轨迹干预方法
MintFlow 是一种免训练的约束采样框架，把约束执行表述为对预训练流轨迹的极小干预，在满足观测测量、物理定律等约束的同时尽量减少对预训练数据分布的偏离。该方法通过伴随形式给出扰动的闭式解，避免昂贵的迭代优化，并自适应选择干预时间以平衡扰动幅度与剩余流的放大效应。在生成视觉与物理系统建模任务上，MintFlow 达到有竞争力的约束满足度，且比 SOTA 约束方法更好地保留预训练生成分布。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.