自条件机制提升流匹配视觉推理深度

2026年10月15日，arXiv Computer Vision 刊出 Zeyang Zhang 等作者的论文，研究自条件流匹配的视觉推理能力。研究从电路复杂度角度证明：在模型输出满足一定正则性条件下，原始 flow matching 采样器的轨迹可由常数轮并行模型评估模拟，因此增加采样步数无法提升常数深度主干模型的表达能力。论文随后指出，自条件（self-conditioning，即让模型以先前步骤对最终图像的估计为条件）在移除这一瓶颈中扮演了此前未被认识到的角色。上述结论均出自该论文，其适用条件与限制以论文所述为准。

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。