AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · arXiv · 2026-10-22
Pelatihan yang Ditingkatkan untuk Strong Stochastic Flow Maps
Judul asli: Improved Training of Strong Stochastic Flow Maps
Peta aliran stokastik menjanjikan sampling persamaan diferensial stokastik dalam beberapa langkah dengan belajar melompat langsung antar waktu di sepanjang jalur solusi, tetapi melatihnya sulit karena jalur Brownian adalah objek berdimensi tak hingga yang tak terdiferensiasi di titik mana pun sehingga loss berbasis turunan sulit dijangkau. Para penulis merepresentasikan jalur Brownian dengan ekspansi polinomial Legendre bergeser dan melatih dengan objektif bergaya Wong-Zakai untuk membuka akses ke loss berbasis turunan, serta mengusulkan resep untuk melakukan fine-tuning model aliran besar yang telah dilatih sebelumnya menjadi peta aliran stokastik yang kuat. Pada ImageNet, hal ini menghasilkan perbaikan sekitar tiga kali lipat dalam FD-DINOv2 dibandingkan SSFM pada empat NFE.