PrT-Flow：可计算概率的流匹配强化学习方法

2026年10月15日，arXiv 人工智能板块出现一篇由 Congzhong Sun、Ning Tan 署名的论文，提出 PrT-Flow（Probability-Tractable Flow Matching）方法。据该论文，PrT-Flow 在保留多模态、多步动作生成能力的同时计算概率密度。其技术路径包括：通过 Jacobian-Tractable Transformer（JTT）使每个采样步可逆，从而支持概率密度的计算；并用 Conditional Euler-step Training（CET）监督单步位移。论文称代码已公开，但未在报道中给出具体地址。截至该报道，事件仍处于论文发布阶段，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

AI 根据报道生成 · 22 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。