ConicFlow：流匹配模型约束采样的推理时最优控制方法

Shervin Khalafi 等在 arXiv 论文（arXiv:2610.14307）中提出 ConicFlow，把流匹配模型在推理阶段的约束采样建模为最优控制问题：在偏离预训练轨迹、奖励与硬终端约束之间权衡，用滚动时域原始—对偶算法求解。 基于论文摘要，该方法在低维和高维实验中使用近期大规模流匹配模型，相比近期基线获得较高奖励和较强约束满足，同时减少对预训练流的偏离；作者还报告了终端估计变体及相应有限时域理论保证。目前仅有论文摘要层面的结果，尚未见独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。