Counterfactual Generation via Flow Matching

2026-10-02，arXiv Statistics Machine Learning 发表一手研究，提出基于流匹配的反事实生成方法，结合样本分割双重稳健训练目标与学习到的源-目标耦合，利用高斯平滑插值的得分校正随机采样器实现有限步生成。理论贡献为耦合敏感 KL 边界，误差由源-目标位移矩控制而非全局速度场正则性，对环境维度近线性依赖。实验在合成与半合成图像基准上验证耦合相关理论，并显示有限离散化预算下随机采样器可超越确定性 ODE 采样器。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。