Flow Matching 速度缩放纠正时间滞后
先了解这件事
2026年10月10日，AGI Hunt 报道，François Fleuret 团队发表论文《Velocity Scaling in Flow Matching》，提出 Flow Matching 中采用的速度缩放实际纠正的是该方法的“群体时间滞后”（population time lag），而非此前认为的由 MSE 训练导致的速度幅值低估；报道称，据此解释，模型在 ImageNet 上的 FID 从 28.0 降至 12.2。2026年10月14日，AGI Hunt 再次报道，Youssef Saied 与 François Fleuret 发布 arXiv 论文《Velocity Scaling in Flow Matching》，提出无需重训练、仅对学到的速度场乘以增益 γ(t)，即可提升 flow matching 的生成质量，并称 FID 从 28.0 降至 8.7。早先报道称 FID 从 28.0 降至 12.2，后续报道称降至 8.7，两次数值不一致。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntFlow Matching 论文《Velocity Scaling in Flow Matching》：仅缩放速度场，FID 从 28.0 降至 8.7
Youssef Saied 与 François Fleuret 发布 arXiv 论文《Velocity Scaling in Flow Matching》，提出无需重训练、仅对学到的速度场乘以增益 γ(t)，即可提升 flow matching 生成质量。
- AGI HuntFlow Matching 速度缩放新解：纠正时间滞后，ImageNet FID 从 28.0 降至 12.2
François Fleuret 团队的新论文《Velocity Scaling in Flow Matching》提出，速度缩放实际纠正的是 Flow Matching 的“群体时间滞后”，而非此前认为的 MSE 训练导致速度幅值低估。
本事件热度走势
当前热度 9·可比范围峰值 10（10月14日 02:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。