AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-22
強隨機流映射的改良訓練
原標題: Improved Training of Strong Stochastic Flow Maps
隨機流映射透過學習沿解路徑直接在不同時間點之間跳躍，可望對隨機微分方程進行少步數取樣，但其訓練十分困難，因為布朗路徑是無限維且處處不可微的物件，使基於導數的損失難以採用。作者以移位勒讓德多項式展開表示布朗路徑，並以 Wong-Zakai 式的目標函數進行訓練以解鎖基於導數的損失，同時提出一套將大型預訓練流模型微調為強大隨機流映射的方法。在 ImageNet 上，此方法在 4 次 NFE 下的 FD-DINOv2 較 SSFM 提升約三倍。