La IA y los problemas difíciles del mundo · Informática teórica · arXiv · 2026-10-22
Entrenamiento mejorado de mapas de flujo estocástico fuertes
Título original: Improved Training of Strong Stochastic Flow Maps
Los mapas de flujo estocástico prometen un muestreo en pocos pasos de ecuaciones diferenciales estocásticas al aprender a saltar directamente entre instantes a lo largo de la trayectoria de la solución, pero entrenarlos es difícil porque la trayectoria browniana es un objeto de dimensión infinita y no diferenciable en ningún punto, lo que mantiene fuera de alcance las pérdidas basadas en derivadas. Los autores representan la trayectoria browniana con una expansión en polinomios de Legendre desplazados y entrenan con un objetivo al estilo de Wong-Zakai para desbloquear las pérdidas basadas en derivadas, y proponen una receta para ajustar finamente grandes modelos de flujo preentrenados hasta convertirlos en mapas de flujo estocástico potentes. En ImageNet esto arroja una mejora aproximada de tres veces en FD-DINOv2 sobre SSFM con cuatro NFE.