论文提出强随机流映射训练改进方法

Zander W. Blasingame 等在 arXiv 发布预印本，提出改进强随机流映射训练的方法，用于对 SDE 实现少步采样。方法包括两项设计：用移位勒让德多项式展开表示 Brownian 路径以携带更高阶局部信息，并采用 Wong-Zakai 风格目标函数强制网络使用路径的完整表示，从而解锁基于导数的损失。 作者称，该方案还支持将大型预训练流模型微调为强随机流映射，并在四次函数评估下取得较原 SSFM 约 3 倍的 FD-DINOv2 提升（作者所述）。

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。