Primal-Dual Flow Matching 样本级约束生成论文

2026年10月12日，arXiv Machine Learning Theory 频道发布一篇关于 Primal-Dual Flow Matching（PDFM）的一手论文报道。论文提出 PDFM，用于在给定约束满足概率下学习生成数据，可直接控制约束满足率。该方法只需二元成员 oracle 反馈，无需可微距离、投影或约束集的凸性等特殊结构。实验显示，PDFM 的约束满足优于 vanilla FM，并与约束感知基线取得竞争性表现，同时保持分布保真度。论文代码已开源。目前报道仅涉及该论文内容，尚无后续验证或第三方复现信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。