AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-22
低 NFE 生成式流的密度層級後向誤差
原標題: Density-Level Backward Error for Low-NFE Generative Flows
當以少量的網路評估預算（低 NFE）對生成式 ODE 進行取樣時，效能不僅受限於求解器的階數，也受限於該固定預算沿整條流的分配方式。作者發展出一套密度層級的向後誤差架構，用以識別求解器修正方程式缺陷中會改變演化中邊際分布的成分，進而得出一項具求解器階數感知的運算配置規則，並透過規範自由度，得到一個為同一密度路徑挑選數值上較有利之速度表示的目標函數。精確的高斯與混合模型確立了此機制；而在預先訓練的 CIFAR-10 EDM 機率流 ODE 上，密度感知配置在低 NFE 情境下能一致地改善固定更新次數的歐拉取樣，同時收斂至相同的密集歐拉參考基準。