ConicFlow：流匹配模型的约束推理时最优控制

2026年10月14日，arXiv Artificial Intelligence 出现一篇由 Shervin Khalafi 等作者提交的论文，提出 ConicFlow 方法。该工作将流匹配模型在推理时的约束采样建模为最优控制问题，目标是在硬性终端约束下平衡对预训练轨迹的偏离与奖励。求解上采用滚动时域控制与滚动时域原对偶算法，对偶乘子随采样过程不断修正，以引导生成可行样本。截至该报道，事件仅涉及论文提交这一进展，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

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。