arXiv 机器学习· Mingyang Lyu, Yinqian Sun, Gongce Cao, Yuhao Zhang, Lu Jia, Qian Zhang, Bo Wang, Pin Lyu·· 1 天前AI 评分34
SPT-Flow：连续时间世界模型中的单次积分与多未来生成
SPT-Flow: One Integration, Many Futures in Continuous-Time World Models
AI 导读
SPT-Flow 针对连续时间世界模型提出轨迹潜在变量匹配机制，通过每条轨迹采样一个 latent，使自由运行的 ODE 推演在多个时刻匹配演示状态，以消除监督捷径。在 LIBERO 上训练 30k 步后，SPT-Flow 相比 ODEWorld 基线在中间帧和最终帧的 best-of-10 PSNR 分别提升 2.0 dB 与 2.4 dB，平均 LPIPS 降低 23%，且单样本推理成本相当。
来源：arXiv 机器学习 · arxiv.org