ИИ и сложнейшие проблемы мира · Теоретическая информатика · arXiv · 2026-10-22
Улучшенное обучение сильных стохастических потоковых отображений
Оригинальное название: Improved Training of Strong Stochastic Flow Maps
Карты стохастических потоков обещают сэмплирование решений стохастических дифференциальных уравнений за несколько шагов за счёт обучения прыжкам напрямую между моментами времени вдоль траектории решения, однако обучать их трудно, поскольку броуновский путь — бесконечномерный, нигде не дифференцируемый объект, из-за чего функции потерь, основанные на производных, остаются недостижимыми. Авторы представляют броуновский путь с помощью разложения по сдвинутым многочленам Лежандра и обучают модель с целевой функцией в стиле Вонга-Закая, открывая доступ к функциям потерь на основе производных, а также предлагают рецепт дообучения больших предобученных потоковых моделей в сильные карты стохастических потоков. На ImageNet это даёт примерно трёхкратное улучшение FD-DINOv2 по сравнению с SSFM при четырёх NFE.